You are on page 1of 82

Profundizaci ´ on

en las t´ ecnicas
del c´ alculo
Sebasti` a Mart´ın Mollev´ı
P01/75005/00102

© FUOC • P01/75005/00102 Profundizaci ´ on en las t´ ecnicas del c´ alculo
´
Indice
Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1. C´ alculo de l´ımites de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1. Indeterminaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Regla de L’Hˆ opital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.
´
Ordenes de magnitud. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2. Resoluci´ on aproximada de ecuaciones . . . . . . . . . . . . . . . . . . . . . . 22
2.1. Separaci ´ on de las soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2. M´ etodo de bisecci ´ on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3. M´ etodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4. M´ etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3. Aproximaci´ on polin´ omica de una funci´ on . . . . . . . . . . . . . . . . . 34
3.1. F´ ormulas de Taylor y Maclaurin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2. Evaluaci ´ on aproximada de funciones . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4. Estudio local y representaci´ on gr´ afica
de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.1. Crecimiento y decrecimiento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2. M´ aximos y mínimos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3. Concavidad, convexidad y puntos de inflexi ´ on . . . . . . . . . . . . . . . 47
4.4. Determinaci ´ on de los puntos notables de una funci ´ on. . . . . . . . 51
4.5. Obtención de los extremos relativos de una función . . . . . . . . . . 53
4.6. Asíntotas de una funci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

© FUOC • P01/75005/00102 Profundizaci ´ on en las t´ ecnicas del c´ alculo
4.7. Estudio de la gr´ afica de una funci ´ on. . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.9. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5. Problemas de optimizaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1. Intervalos y entornos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2. El teorema de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.3. El caso de funciones derivables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4. Optimizaci ´ on restringida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.5. Pasos que se deben seguir en un problema de optimizaci ´ on. . . 70
5.6. Ejemplos resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.8. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Ejercicios de autoevaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

© FUOC • P01/75005/00102 5 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Introducci´ on
Tras habernos familiarizado con las herramientas b´ asicas del c´ alculo, en
este m´ odulo nos planteamos un doble objetivo. Por una parte, profundizar
en algunas de estas t´ ecnicas, con el fin de tratar una mayor variedad de
problemas y, por la otra, ver c´ omo se pueden aplicar las herramientas
ya conocidas para abordar y resolver nuevos tipos de problemas. As´ı pues,
continuaremos trabajando conl´ımites y conderivadas, intentando sacarles
m´ as provecho.

© FUOC • P01/75005/00102 6 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Objetivos
En este m´ odulo se presentan nuevas aplicaciones de contenidos que ya
hab´ıamos visto: el c´ alculo de l´ımites de funciones, para el estudio del orden
de magnitud de funciones, y la aproximaci ´ on polin´ omica de funciones,
para la evaluaci ´ on aproximada de funciones.
El resto de los apartados se destina a mostrar c´ omo algunas propiedades
de las funciones se pueden utilizar en la resoluci ´ on aproximada de ecua-
ciones, la representaci ´ on gr´ afica de funciones, el planteamiento y la reso-
luci ´ on de problemas de optimizaci ´ on.
Los objetivos de este m´ odulo se pueden concretar en los siguientes:
1. Comparar el orden de magnitud de las funciones m´ as usuales en el
c´ alculo de la complejidad de un algoritmo.
2. Determinar cu´ antas soluciones tiene una ecuaci ´ ony darle valores apro-
ximados.
3. Calcular el polinomio que mejor aproxima una funci ´ on alrededor de
un punto, y utilizarlo para evaluar la funci ´ on de forma aproximada.
4. Ser capaces de realizar un esbozo de la gr´ afica de una funci ´ on.
5. Plantear y resolver problemas de optimizaci ´ on en una variable.

© FUOC • P01/75005/00102 7 Profundizaci ´ on en las t´ ecnicas del c´ alculo
1. C´ alculo de l´ımites de funciones
.
En los ejercicios del m´ odulo “Las ideas b´ asicas del c´ alculo” hemos empeza-
do a calcular l´ımites de funciones en un punto, o en el infinito. Algunos de
estos l´ımites soninmediatos, como por ejemplo lim
x→1
(x+2) = 3, donde basta
sustituir x por 1 en la expresi ´ on de la funci ´ on. Otros son indeterminados,
es decir, que la sustituci ´ on de la variable por el valor a que tiende no nos
aporta ninguna informaci ´ on. Es el caso de:
lim
x→1
x
2
−1
x −1
=
0
0
.
En este apartado vamos a clasificar los tipos de indeterminaciones que
pueden aparecer en el c´ alculo de l´ımites de funciones, y tambi´ en expon-
dremos una regla ´ util que nos permitir´ a resolver muchas de estas indeter-
minaciones.
Asimismo, como aplicaci ´ on del c´ alculo de l´ımites en el infinito, compa-
raremos el crecimiento de funciones que aparecen habitualmente en el
estudio de la complejidad de algoritmos.
1.1. Indeterminaciones
Echemos un vistazo a los l´ımites que encontramos a continuaci ´ on:
L
1
= lim
x→1
x
2
−1
x −1
, L
2
= lim
x→2
x
2
−4
x −2
.
Si sustituimos la variable x por el valor a que tiende, obtenemos L
1
=
0
0
,
L
2
=
0
0
(con esto podr´ıamos caer en la tentaci ´ on y pensar que L
1
= L
2
, a
pesar de que no sabemos sus valores).
Para calcular los l´ımites podemos simplificar las fracciones:
L
1
= lim
x→1
(x −1)(x + 1)
x −1
= lim
x→1
(x + 1) = 2,
L
2
= lim
x→2
(x −2)(x + 2)
x −2
= lim
x→2
(x + 2) = 4.
Una vez resuelta la indeterminaci ´ on, hemos obtenido el valor de los l´ımites
y observamos, adem´ as, que L
1
= L
2
.

© FUOC • P01/75005/00102 8 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Vemos, por lo tanto, que si llegamos a una expresi ´ on indeterminada, el
l´ımite puede tomar cualquier valor, finito o infinito. Esto es lo mismo que
sucede en el caso de las siguientes expresiones:
• Indeterminaciones racionales:
0
0
,


, ∞−∞, 0 · ∞
Ejemplo 1.1.
a) lim
x→+∞
x
2
+x
x
3
+ 2
=


, que es una indeterminaci ´ on racional.
Si queremos resolver la indeterminaci ´ on, dividiremos el numerador y el denominador
por la m´ axima potencia de x que aparezca en la expresi ´ on:
lim
x→+∞
x
2
+x
x
3
+ 2
= lim
x→+∞
x
2
+x
x
3
x
3
+2
x
3
= lim
x→+∞
1
x
+
1
x
2
1 +
2
x
3
.
Ahora bien, lim
x→+∞
1
x
p
= 0, ∀p > 0 y, en consecuencia, nuestro l´ımite vale
0+0
1+0
=
0
1
= 0.
Observemos que, al dividir el numerador y el denominador por la misma potencia de x,
el cociente permanece inalterado. Este m´ etodo nos permitir´ a calcular l´ımites al infinito
de cocientes de polinomios.
b) lim
x→+∞

x + 1 −

x = ∞−∞, que es una indeterminación racional.
En este caso, tambi´ en multiplicaremos el numerador y el denominador por una misma
expresi ´ on; prestad mucha atenci ´ on:
lim
x→+∞

x + 1 −

x = lim
x→+∞
(

x + 1 +

x)(

x + 1 −

x)

x + 1 +

x
=
= lim
x→+∞
(x + 1) −x

x + 1 +

x
= lim
x→+∞
1

x + 1 +

x
=
1

= 0.
Hemos multiplicado el numerador y el denominador por una expresi ´ on adecuada, que
Comentario
1
0
no es una indeterminaci ´ on,
porque cuando dividimos 1
por un n´ umero cada vez
menor, obtenemos n´ umeros
paulatinamente mayores
(pod´ eis comprobarlo vosotros
mismos con la calculadora),
es decir: lim
x→0
1
x
= ∞.
llamamos conjugado del denominador. A partir de ahora, esta t´ ecnica ser´ a conocida
como multiplicar por el conjugado numerador y denominador.
A continuaci ´ on, trataremos otro tipo de indeterminaciones:
• Indeterminaciones potenciales:
1

, 0
0
, ∞
0
Veamos a continuaci ´ onqu´ e queremos decir exactamente conestas expresiones.
La funci ´ on f(x)
g(x)
se define cuando f(x) es positivo para cada x.

© FUOC • P01/75005/00102 9 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Se puede demostrar que si en el punto x = a la funci ´ on f(x) tiene por
Definamos...
... f(x)
g(x)
= e
g(x) ln f(x)
.
El número e se puede definir
como
lim
x→+∞
_
1 +
1
x
_
x
.
l´ımite el n´ umero finito y positivo α y la función g(x) tiene por l´ımite el
n´ umero finito β, entonces lim
x→a
f(x)
g(x)
= α
β
.
!
En general, si designamos con L el l´ımite (que suponemos que existe) de
f(x)
g(x)
en el punto x = a, tenemos (tomando logaritmos) que:
ln L = lim
x→a
g(x) ln f(x)
o lo que es lo mismo:
L = e
lim
x→a
g(x) ln f(x)
De manera que la propiedad anterior se puede extender a situaciones m´ as
amplias, observando que:
Notaci ´ on
Escribiremos indistintamente:
lim
x→a
h(x) = c y
h(x)
x→a
−→ c.
si h(x)
x→a
−→ +∞, e
h(x)
x→a
−→ +∞
si h(x)
x→a
−→ −∞, e
h(x)
x→a
−→ 0
Aunque si lim
x→a
f(x) = 1 y lim
x→a
g(x) = ∞, no podemos asegurar nada directa-
mente sobre el lim
x→a
f(x)
g(x)
. Sucede lo mismo si lim
x→a
f(x) = 0 y lim
x→a
g(x) = 0
tambi´ en cuando lim
x→a
f(x) = +∞y lim
x→a
g(x) = 0.
Es normal representar las indeterminaciones anteriores de manera simb´ o-
lica mediante 1

, 0
0
, ∞
0
.
Cuando lim
x→a
f(x) = 1 y lim
x→a
g(x) = ∞, para calcular lim
x→a
f(x)
g(x)
utilizaremos
la siguiente propiedad: lim
x→+∞
_
1 +
1
x
_
x
= e. En general:
Si lim
x→a
h(x) = ∞, entonces lim
x→+a
_
1 +
1
h(x)
_
h(x)
= e.
Como consecuencia de esto, podemos decir que:
1) ∀hIR, lim
x→∞
_
1 +
1
x
_
x+h
= lim
x→∞
_
1 +
1
x
_
x
lim
x→∞
_
1 +
1
x
_
h
= e · 1 = e.
2) lim
x→0
(1 + x)
1
x
hacemos el cambio x=
1
t
= lim
t→∞
_
1 +
1
t
_
t
= e.
En general, si lim
x→a
h(x) = 0, entonces lim
x→a
[1 +h(x)]
1
h(x)
= e, con h(x) = 0 en
un entorno reducido de a.

© FUOC • P01/75005/00102 10 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 1.2.
1) lim
x→∞
_
1 +
k
x
_
x
= lim
x→∞
_
_
1 +
1
x
k
_x
k
_
k
= e
k
.
2) lim
x→0
(1 +kx)
1
x = lim
x→0
_
(1 +kx)
1
kx
_
k
= e
k
.
3) lim
x→∞
_
1 +
1
x
_
kx
= lim
x→∞
__
1 +
1
x
_
x
_
k
= e
k
.
Por tanto, si lim
x→a
f(x) = 1 y lim
x→a
g(x) = ∞, podemos escribir:
f(x)
g(x)
=
_
_
1 + (f(x) −1)
¸ 1
f(x)−1
_
(f(x)−1)g(x)
(suponemos que f(x) = 1 enunentorno reducido de a) y, como f(x)−1
x→a
−→
0, resulta que:
_
1 + (f(x) −1)
¸ 1
f(x)−1
x→a
−→ e ,
de donde lim
x→a
f(x)
g(x)
= e
lim
x→a
(f(x)−1)g(x)
(suponiendo que los l´ımites
existan en ambos casos).
Ejercicio
1.1. Calculad los siguientes l´ımites:
a) lim
x→3
x
3
−2x
2
−3x
x
3
−3x
2
−9x + 27
.
b) lim
x→+∞
2x
7
+x
5
−x
4
−1
6x
7
+ 2
.
c) lim
x→+∞
_
x
2
+x + 1 −
_
x
2
+x −7.
d) lim
x→+∞
_
x
2
+x −
_
x
2
+ 2.
e) lim
x→+∞
_
1 +
1
x
_
x
3
.
f) lim
x→+∞
_
2x + 1
2x −1
_
x
.
g) lim
x→+∞
_
1 −
1
x
_

x
.
h) lim
x→+∞
_
3x + 1
2x + 1
_
x
.
1.2. Regla de L’Hˆ opital
Acontinuaci ´ onpresentamos el teorema denominado regla de L’Hˆ opital, que
resulta una herramienta sencilla para el c´ alculo de ciertos l´ımites indeter-
minados en forma de cocientes. Cuando se satisfacen ciertas condiciones,
que detallaremos m´ as adelante, el l´ımite de un cociente
f(x)
g(x)
, si es una

© FUOC • P01/75005/00102 11 Profundizaci ´ on en las t´ ecnicas del c´ alculo
indeterminaci ´ on del estilo
0
0
o


, se puede reducir al l´ımite del nuevo
cociente
f

(x)
g

(x)
; si ´ este existe, entonces tambi´ en existe el l´ımite inicial y son
iguales.
.
Guillaume de L’Hˆ opital
Matem´ atico franc´ es que se
inici ´ o en el c´ alculo
infinitesimal de la mano de
Johann Bernoulli, quien le
enviaba los resultados que iba
descubriendo a cambio de
una determinada cantidad de
dinero. Como producto de
este intercambio surgi ´ o el
primer libro de texto sobre el
c´ alculo infinitesimal, titulado
Analyse des infiniment petits
que, a pesar de todo, fue
firmado por L’Hˆ opital. En este
libro aparece enunciada la
que hoy llamamos regla de
L’Hˆ opital.
Regla de L’Hˆ opital
Dadas las funciones f(x) y g(x), derivables en un entorno del punto
x
0
tal que lim
x→x
0
f(x) = lim
x→x
0
g(x) vale 0 o ∞, si existe lim
x→x
0
f

(x)
g

(x)
,
entonces:
lim
x→x
0
f(x)
g(x)
= lim
x→x
0
f

(x)
g

(x)
.
Este resultado tambi´ en es cierto en caso de que lim
x→x
0
f

(x)
g

(x)
= ∞y en
caso de que x
0
= ∞.
Para demostrarlo, es necesario que conozcamos la siguiente variante del
teorema del valor medio de la derivada.
.
Teorema del valor medio de Cauchy
Si f y g son dos funciones continuas en un intervalo cerrado [a , b] y
derivables en (a , b), de manera que g(a) = g(b) y ni f

(x) ni g

(x) se
anulan de manera simult´ anea en ning´ un punto del intervalo (a , b),
entonces existe al menos un punto ξ ∈ (a , b) tal que:
f

(ξ)
g

(ξ)
=
f(b) −f(a)
g(b) −g(a)
.
Demostraci ´ on del teorema del valor medio de Cauchy
Aplicaremos el teorema del valor medio para derivadas en la funci ´ on:
h(x) = g(x)[f(b) −f(a)] −f(x)[g(b) −g(a)].
Observad que esta funci ´ on satisface las hip´ otesis, por el hecho de ser una combinaci ´ on
lineal de dos funciones, f y g, quienes las satisfacen. As´ı pues, ∃ξ ∈ (a , b) tal que
h

(ξ) =
h(b)−h(a)
b−a
, pero fijaos en que h(b) = h(a) y, en consecuencia, tenemos que
h

(ξ) = 0. Ahora bien:
h

(x) = g

(x)[f(b) −f(a)] −f

(x)[g(b) −g(a)],
de donde sustituimos x por ξ se llega a:
0 = g

(ξ)[f(b) −f(a)] −f

(ξ)[g(b) −g(a)],
o de forma equivalente:
f

(ξ)
g

(ξ)
=
f(b) −f(a)
g(b) −g(a)
.

© FUOC • P01/75005/00102 12 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Demostraci ´ on de la regla de L’Hˆ opital
En efecto, si f(x) y g(x) son derivables en un entorno de x
0
, se puede aplicar el teorema
del valor medio de Cauchy y resulta:
Existe ξ comprendido entre x
0
y x tal que
f(x) −f(x
0
)
g(x) −g(x
0
)
=
f

(ξ)
g

(ξ)
.
Sin embargo, f(x) y g(x) al ser derivables en un entorno de x
0
, son continuas en x
0
;
entonces lim
x→x
0
f(x) = f(x
0
) = 0 y lim
x→x
0
g(x) = g(x
0
) = 0. Así, existe ξ comprendido
entre x
0
y x de manera que:
f(x) −0
g(x) −0
=
f

(ξ)
g

(ξ)
⇒ lim
x→x
0
f(x)
g(x)
= lim
x→x
0
f

(ξ)
g

(ξ)
si x→x
0
,ξ→x
0
= lim
ξ→x
0
f

(ξ)
g

(ξ)
=
= lim
x→x
0
f

(x)
g

(x)
.
Ejemplo 1.3.
a) lim
x→0
sin x
x
= lim
x→0
cos x
1
= 1.
b) lim
x→0
ln(1 +x)
x
= lim
x→0
1
1+x
1
= 1.
Ejercicio 1.2.
Calculad los l´ımites:
a) lim
x→1
ln x

x −1
.
b) lim
x→0
1 −cos x
x
2
.
Si lim
x→x
0
f

(x) = 0 y lim
x→x
0
g

(x) = 0, pero f

(x) y g

(x) son funciones deriva-
bles, se puede aplicar una vez m´ as la regla de L’Hˆ opital, aunque conviene,
si es posible, simplificar antes las expresiones obtenidas.
Ejemplo 1.4.
lim
x→0
tan x −x
x
3
= lim
x→0
1
cos
2
x
−1
3x
2
= lim
x→0
1 −cos
2
x
3x
2
cos
2
x
= lim
x→0
sin
2
x
3x
2
=
1
3
.
En el ´ ultimo paso hemos aplicado la equivalencia entre sin x y x cuando x →0.
Ejercicio 1.3.
Calculad lim
x→0
x −sin x
x
3
.
La regla de L’Hˆ opital se puede aplicar en varios casos, como se muestra a
continuaci ´ on:
1) L´ımites de cocientes de infinitos
A pesar de que no realizaremos la demostraci ´ on, la regla de L’Hˆ opital
tambi´ en resulta v´ alida cuando lim
x→x
0
f(x) = ∞y lim
x→x
0
g(x) = ∞.

© FUOC • P01/75005/00102 13 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 1.5.
Recordad
sin2x = 2 sin xcos x
cos 2x = cos
2
x −sin
2
x
a) lim
x→0
+
ln x
cot x
= lim
x→0
+
1
x
−1
sin
2
x
= lim
x→0
+
−sin
2
x
x
= 0.
b) lim
x→0
+
lntan2x
lntan x
= lim
x→0
+
1
tan 2x
1
cos
2
2x
2
1
tan x
1
cos
2
x
= lim
x→0
+
2
sin x
cos x
cos
2
x
sin 2x
cos 2x
cos
2
2x
= lim
x→0
+
2 sin xcos x
sin2xcos 2x
=
= lim
x→0
+
sin2x
sin2xcos 2x
= lim
x→0
+
1
cos 2x
= 1.
Ejercicio 1.4.
Calculad lim
x→1
+
ln(x −1)
x+1
x−1
.
2) L´ımites de cocientes indeterminados cuando x →∞
La regla de L’Hˆ opital tambi´ en es aplicable cuando x → ∞, s´ olo hay que
cambiar la variable x =
1
z
(si x →∞, entonces z →0):
lim
x→∞
f(x)
g(x)
= lim
z→0
f
_
1
z
_
g
_
1
z
_ = lim
z→0
f

_
1
z
__
−1
z
2
_
g

_
1
z
__
−1
z
2
_ = lim
x→∞
f

(x)
g

(x)
.
Ejemplo 1.6.
Si a > 1, m ∈ IN:
lim
x→+∞
a
x
x
m
= lim
x→+∞
a
x
ln a
mx
m−1
= lim
x→+∞
a
x
ln a ln a
m(m−1)x
m−2
= . . . = +∞
(llegar´ a un momento en que el denominador ser´ a de grado cero). Es decir, a
x
(a > 1)
es un infinito de orden superior a x
m
(m ∈ IN) cuando x →∞.
Ejercicio 1.5.
Calculad lim
x→+∞
x
m
ln x
(m > 0).
3) Otros tipos de indeterminaciones
a) Indeterminaci ´ on 0 · ∞
Si f(x) → 0 y g(x) → ∞ cuando x → a, entonces lim
x→a
f(x)g(x) es una
indeterminaci ´ on.
.
Se puede escribir f(x)g(x) =
f(x)
1
g(x)
o bien f(x)g(x) =
g(x)
1
f(x)
, que da lugar
a una indeterminaci ´ on de tipo cociente, y se puede aplicar la regla
de L’Hˆ opital.

© FUOC • P01/75005/00102 14 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 1.7.
lim
x→∞
xln
_
x −1
x + 1
_
= lim
x→∞
ln
_
x−1
x+1
_
1
x
= lim
x→∞
x+1
x−1
(x+1)−(x−1)
(x+1)
2
−1
x
2
=
= lim
x→∞
2
x
2
−1
−1
x
2
= lim
x→∞
−2x
2
x
2
−1
= −2.
b) Indeterminaci ´ on ∞−∞
Si f(x) → +∞ y g(x) → +∞ cuando x → a, lim
x→a
[f(x) − g(x)] es una
indeterminaci ´ on.
.
Se puede escribir f(x) −g(x) =
1
g(x)

1
f(x)
1
f(x)g(x)
, que da lugar a una indeter-
minaci ´ on de tipo cociente, y aplicar la regla de L’Hˆ opital.
Ejemplo 1.8.
lim
x→0
_
1
x

1
tan x
_
= lim
x→0
tan x −x
xtan x
= lim
x→0
1
cos
2
x
−1
x
cos
2
x
+ tan x
=
= lim
x→0
1 −cos
2
x
x + cos
2
xtan x
= lim
x→0
sin
2
x
x + sin xcos x
=
= lim
x→0
2 sin xcos x
1 −sin
2
x + cos
2
x
= lim
x→0
2 sin xcos x
2 cos
2
x
=
= lim
x→0
sin x
cos x
= lim
x→0
tan x = 0.
A veces, la aplicaci ´ on repetida de la regla de L’Hˆ opital para resolver una
indeterminaci ´ on no nos conduce a ninguna parte, porque no se simplifica
la expresi ´ on o no existe el l´ımite de
f

(x)
g

(x)
. En estos casos hay que utilizar
otros m´ etodos.
Ejemplo 1.9.
a) lim
x→+∞
e
x
+ cos x
e
x
+ sin x
= lim
x→+∞
1 +
cos x
e
x
1 +
sin x
e
x
= 1, pero si aplicamos la regla de L’Hˆ opital para
resolver la indeterminaci ´ on inicial


, no podemos determinar el valor del l´ımite:
lim
x→+∞
e
x
+ cos x
e
x
+ sin x
= lim
x→+∞
e
x
−sin x
e
x
+ cos x
= lim
x→+∞
e
x
−cos x
e
x
−sin x
= . . . ,
b) lim
x→∞
x + sin x
x + cos x
, si aplicamos la regla de L’Hˆ opital, tenemos que lim
x→∞
1 + cos x
1 −sin x
no
Observación
En caso de que un l´ımite no
presente ning´ un tipo de
indeterminaci ´ on, no se puede
aplicar la regla de L’Hˆ opital,
ya que podr´ıamos obtener
resultados incorrectos.
existe. En cambio, dividiendo el numerador y el denominador por x, se obtiene que el
l´ımite es 1.
c) lim
x→0
cos x
1 +x
= 1, pero si aplicamos la regla de L’Hˆ opital sin tener en cuenta las con-
diciones necesarias, lim
x→0
−sin x
1
= 0. Esto se debe al hecho de que lim
x→0
cos x
1 +x
no es
indeterminado.
1.3.
´
Ordenes de magnitud
La complejidad de un algoritmo es una estimaci ´ on del n´ umero de ope-
raciones (operaciones b´ asicas entre bits, por lo general) que realizar´ a el

© FUOC • P01/75005/00102 15 Profundizaci ´ on en las t´ ecnicas del c´ alculo
algoritmo en funci ´ on de los datos de entrada. En este apartado nos centra-
remos en aquellos casos en los que el n´ umero de operaciones del algoritmo
dependa de un ´ unico dato de entrada (n), donde n es natural. Se utiliza la
notaci ´ on O(f(n)), donde f es una funci ´ on de una variable, para denotar
que un algoritmo tiene que realizar kf(n) operaciones (k es una constante)
para obtener un valor de salida a partir de la entrada n. As´ı, si un algoritmo
realiza 4n
5
operaciones antes de dar el resultado, diremos que tiene una
complejidad del orden n
5
, y lo anotaremos O(n
5
). La complejidad algor´ıt-
mica se traduce, entonces, en coste computacional y se intenta minimizar
al diseñar un algoritmo. En este apartado veremos c´ omo comparar estas
funciones entre s´ı, utilizando l´ımites al infinito, y tambi´ en observaremos el
hecho de que si lim
x→+∞
f(x) = L(x ∈ IR), entonces lim
n→+∞
f(n) = L(n ∈ IN).
Ejemplo 1.10.
Complejidad del algoritmo de multiplicaci ´ on de un entero por s´ı mismo.
Habr´ a que multiplicar el entero npor cada una de sus cifras, y despu´ es sumar los resultados.
Veremos una estimaci ´ on de la complejidad de este algoritmo, entendiendo como opera-
ci ´ on b´ asica la suma de enteros de una cifra. Si k es el n´ umero de cifras de n, entonces
k ≈ log
10
n. Son necesarias k
2
multiplicaciones de enteros de una cifra, y despu´ es k − 1
sumas de enteros de la medida de n. Cada una de las multiplicaciones implica, como
m´ aximo, 9 sumas de enteros de una cifra (el peor caso ser´ıa multiplicar 9 por 9, que
equivale a sumar 9 veces 9); una suma de enteros de k cifras equivale a k operaciones
b´ asicas. Juntando estas cantidades, obtenemos la estimaci ´ on de la siguiente complejidad:
9k
2
+ (k −1)k = 10k
2
−k ≤ 10k
2
≈ 10 log
2
10
n = 10
ln
2
n
ln
2
10
≈ 2 ln
2
n = O(ln
2
n).
Las funciones que aparecen en el c´ alculo de la complejidad de un algoritmo, como por
ejemplo ln
2
n, e
nln n
,
7

n, tienden a infinito cuando n tiende a infinito. Si queremos
comparar la velocidad de dos algoritmos, nos interesar´ a contar con una medida de la
velocidad con la que tiendan a infinito funciones como los polinomios, exponenciales,
logaritmos, etc.
Ejemplo 1.11.
Consideremos dos algoritmos que necesitan n
5
+ 2n + 2 y n
5
− n
2
+ 65 operaciones,
respectivamente, para llevar a cabo un mismo c´ alculo. ¿Cu´ al ser´ a m´ as r´ apido?
Si le vais dando valores a las dos funciones f(n) = n
5
+ 2n + 2 y g(n) = n
5
− n
2
+ 65,
observar´ eis que f(n) < g(n) para valores pequeños de n. Por el contrario, ∀n ≥ 11,
f(n) > g(n). Por lo tanto, est´ a claro que el segundo algoritmo ser´ a m´ as r´ apido, pero
tened en cuenta que para valores grandes de n (del orden de un mill ´ on, por ejemplo), no
se dar´ a una diferencia relativa apreciable entre ambas funciones:
f(n)
g(n)
≈ 1, para n grande.
En este caso estableceremos que las funciones f y g son del mismo orden de magnitud,
y que los dos algoritmos tienen, tambi´ en, la misma complejidad.
.
Sean f(n), g(n) funciones tales que:
lim
n→+∞
f(n) = lim
n→+∞
g(n) = +∞.

© FUOC • P01/75005/00102 16 Profundizaci ´ on en las t´ ecnicas del c´ alculo
.
Decimos que f y g son del mismo orden de magnitud cuando
lim
n→+∞
f(n)
g(n)
es diferente de 0 y de ∞. En este caso, escribiremos
f(n) ≈ g(n) o bien O(f(n)) = O(g(n)).
Decimos que f tiene orden de magnitud superior a g cuando
lim
n→+∞
f(n)
g(n)
= +∞. En este caso, escribimos f(n) >> g(n) o bien
ponemos O(f(n)) > O(g(n)).
Decimos que f tiene orden de magnitud inferior a g cuando
lim
n→+∞
f(n)
g(n)
= 0. En este caso, escribimos f(n) << g(n) o bien
ponemos O(f(n)) < O(g(n)).
En el ejemplo anterior hemos visto que f(n) ≈ g(n) ≈ n
5
.
Orden de magnitud de funciones polin´ omicas
Si f(n) = polinomio de grado s, entonces f(n) = an
s
+ (t´ erminos de grado
inferior) y a = 0. Por lo tanto:
lim
n→+∞
f(n)
n
s
= a > 0.
De este hecho podemos deducir que f(n) ≈ n
s
, es decir, que un polinomio
tiene el orden de magnitud n
grado
.
Exponenciales frente a polinomios
Consideremos una funci ´ on exponencial de base b > 1, f(n) = b
n
y un
Recordad
Si b > 0,
entonces lim
n→+∞
b
n
=
=



0 si b < 1
+∞ si b > 1
1 si b = 1
polinomio p(n) de grado r. ¿Cu´ al de estas dos funciones tiene orden de
magnitud superior? ¿Es posible que dependa del grado r del polinomio, o
de la base b del exponencial?
Puesto que p(n) ≈ n
r
, podemos reducir el problema a calcular lim
n→+∞
b
n
n
r
=
=


, que es indeterminado. Para resolver la indeterminaci ´ on, calcula-
remos lim
x→+∞
b
x
x
r
, donde la variable x es real. Estos dos l´ımites coinciden
porque en ambos casos la variable tiende a infinito, pero el segundo en-
foque nos permite abordar el problema como un c´ alculo de l´ımites de
funciones y aplicar las t´ ecnicas que ya conocemos. En concreto, dado que
las dos funciones involucradas son derivables, podemos utilizar la regla
de L’Hˆ opital.
lim
x→+∞
(b
x
)

(x
r
)

= lim
x→+∞
(ln b)b
x
rx
r−1
=



© FUOC • P01/75005/00102 17 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Continuamos teniendo una indeterminaci ´ on, aunque si aplicamos de ma-
nera sucesiva la regla de L’Hˆ opital, la funci ´ on del numerador s´ olo var´ıa
en una constante multiplicativa (ln b), mientras que en el denominador
permanece un polinomio de grado cada vez menor. Tras haber aplicado la
regla r veces, obtendremos:
lim
x→+∞
(ln b)
r
b
x
r · (r −1) · (r −2) · · · 3 · 2 · 1
=
(ln b)
r
r!
lim
x→+∞
b
x
= ∞.
Esto nos demuestra que una exponencial de base mayor que 1 crece con
Nota
r! = r·(r−1)·(r−2) · · · 3·2·1
es el producto de todos los
enteros desde 1 hasta r.
mucha m´ as rapidez que cualquier polinomio, por grande que sea su grado.
En el lenguaje de los ´ ordenes de magnitud hemos visto que:
b
n
>> n
r
, ∀b > 1 ∀r
La f´ ormula de Stirling
A continuaci ´ on vamos a ver cu´ al es el orden de magnitud de la funci ´ on
f(n) = n! Por desgracia, no podemos actuar como en el caso anterior, don-
de se utilizaron funciones de variable real. ¿Qu´ e sentido tiene escribir x! si
x no es un n´ umero entero? Ahora bien, podemos empezar estableciendo
la siguiente comparaci ´ on directa:
n! = n · (n −1) · (n −2) · · · 2 · 1 < n · n · n· · · n · n.
De esta forma, tenemos que n! < n
n
. Sin embargo, recordemos que este
hecho no implica que O(n!) < O(n
n
), porque tambi´ en podr´ıan ser funcio-
nes del mismo orden de magnitud.
La f ´ ormula de Stirling nos responde con precisi ´ on a esta cuesti ´ on:
lim
n→+∞
n!
e
−n
n
n

2πn
= 1.
Y esta f ´ ormula nos permitir´ a concluir que:
n! ≈ e
−n
n
n

2πn ≈ e
−n
n
n

n.

© FUOC • P01/75005/00102 18 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 1.12.
Comparamos los ´ ordenes de magnitud de n! y n
n
. Gracias a la f ´ ormula de Stirling, en
lugar de calcular lim
n→+∞
n!
n
n
, podemos calcular:
lim
n→+∞
e
−n
n
n

n
n
n
= lim
n→+∞

n
e
n
= lim
n→+∞
n
1
2
e
n
.
Pues bien, ahora que ya sabemos que en e
n
>> n
r
, ∀r, podemos concluir que el l´ımite
que hay que calcular es infinito y, en consecuencia:
n! << n
n
.
Ejemplo 1.13.
Comparamos los ´ ordenes de magnitud de (n!)
2
y (2n)
n
.
Empezamos utilizando la f ´ ormula de Stirling:
(n!)
2
≈ (e
−n
n
n

n)
2
= e
−2n
n
2n
n = e
−2n
n
2n+1
.
A continuaci ´ on, comparamos la funci ´ on obtenida con (2n)
n
= 2
n
n
n
:
lim
n→+∞
2
n
n
n
e
−2n
n
2n+1
= lim
n→+∞
e
2n
2
n
n
n+1
=
= lim
n→+∞
_
2e
2
n
_
n
·
1
n
= 0

· 0 = 0 · 0 = 0.
Por lo tanto, O((n!)
2
) > O((2n)
n
), o bien (n!)
2
>> (2n)
n
.
1.4. Ejercicios
1.6. ¿Tienen el mismo orden de magnitud las funciones f(n) = a
n
y g(n) = b
n
, si 1 < a < b?
1.7. Comparad el orden de magnitud de las funciones f(n) y g(n) en los siguientes casos:
a) f(n) = ln n, g(n) =
k

n, k > 0.
b) f(n) = n, g(n) = (ln n)
k
, k > 0.
c) f(n) = (2n)!, g(n) = n
2n
.
d) f(n) = (2n)!, g(n) = (2n)
n
.
1.8. Ordenad las siguientes funciones por orden de magnitud creciente:
a
n
(a > 1), (ln n)
k
(k > 0), n
n
, n
r
(r > 0).
1.5. Solucionario
1.1.
a) L = lim
x→3
x
3
−2x
2
−3x
x
3
−3x
2
−9x + 27
=
0
0
, indeterminado.
L = lim
x→3
x(x −3)(x + 1)
(x −3)
2
(x + 3)
= lim
x→3
x(x + 1)
(x −3)(x + 3)
=
3 · 4
0
= ∞.
b) L = lim
x→+∞
2x
7
+x
5
−x
4
−1
6x
7
+ 2
=


, indeterminado.
L = lim
x→+∞
2x
7
+x
5
−x
4
−1
6x
7
+ 2
= lim
x→+∞
2x
7
+x
5
−x
4
−1
x
7
6x
7
+2
x
7
=
= lim
x→+∞
2 +
1
x
2

1
x
3

1
x
7
6 +
2
x
7
=
2
6
=
1
3
.

© FUOC • P01/75005/00102 19 Profundizaci ´ on en las t´ ecnicas del c´ alculo
c) L = lim
x→+∞
_
x
2
+x + 1 −
_
x
2
+x −7 = ∞−∞, indeterminado.
L = lim
x→+∞
(

x
2
+x + 1 −

x
2
+x −7)(

x
2
+x + 1 +

x
2
+x −7)

x
2
+x + 1 +

x
2
+x −7
=
= lim
x→+∞
(x
2
+x + 1) −(x
2
+x −7)

x
2
+x + 1 +

x
2
+x −7
=
= lim
x→+∞
8

x
2
+x + 1 +

x
2
+x −7
=
8

= 0.
d) L = lim
x→∞
_
x
2
+x −
_
x
2
+ 2 = ∞−∞, indeterminado.
L = lim
x→∞
(

x
2
+x +

x
2
+ 2)(

x
2
+x −

x
2
+ 2)

x
2
+x +

x
2
+ 2
=
= lim
x→∞
(x
2
+x) −(x
2
+ 2)

x
2
+x +

x
2
+ 2
=
= lim
x→∞
x −2

x
2
+x +

x
2
+ 2
=


, indeterminado.
Dividiremos el numerador y el denominador por x para resolver la nueva indeterminaci ´ on:
L = lim
x→∞
x−2
x

x
2
+x+

x
2
+2
x
=
= lim
x→∞
1 −
2
x
_
1 +
1
x
+
_
1 +
2
x
2
=
1
1 + 1
=
1
2
.
e) L = lim
x→+∞
_
1 +
1
x
_
x
3
= 1

, indeterminado.
L = lim
x→+∞
_
1 +
1
x
_
x
3
= lim
x→+∞
__
1 +
1
x
_
x
_
x
2
= e
+∞
= ∞.
f) L = lim
x→+∞
_
2x + 1
2x −1
_
x
= 1

, indeterminado.
Dado que
2x + 1
2x −1
=
(2x −1) + 2
2x −1
= 1 +
2
2x −1
= 1 +
1
x −
1
2
, entonces:
L = lim
x→+∞
_
1 +
1
x −
1
2
_
x
= lim
x→+∞
_
1 +
1
x −
1
2
_
x−
1
2
_
1 +
1
x −
1
2
_1
2
= e · 1 = e.
g) L = lim
x→+∞
_
1 −
1
x
_

x
= 1

, indeterminado.
Ahora bien:
_
1 −
1
x
_

x
=
_
1 +
1
−x
_
x
1
2
=
_
_
1 +
1
−x
_
−x
_ 1


x
,
y por tanto:
L = e
lim
x→+∞
−1

x
= e
0
= 1.
h) lim
x→∞
_
3x + 1
2x + 1
_
x
=
_
3
2
_

= ∞(Observamos que, en este caso, no hay indeterminaci ´ on)
1.2
a) lim
x→1
ln x

x −1
= lim
x→1
1
x
1
2

x
= 2.
b) lim
x→0
1 −cos x
x
2
= lim
x→0
sin x
2x
=
1
2
.

© FUOC • P01/75005/00102 20 Profundizaci ´ on en las t´ ecnicas del c´ alculo
1.3
lim
x→0
x −sin x
x
3
= lim
x→0
1 −cos x
3x
2
= lim
x→0
sin x
6x
= lim
x→0
cos x
6
=
1
6
.
1.4
lim
x→1
+
ln(x −1)
x+1
x−1
= lim
x→1
+
1
x−1
(x−1)−(x+1)
(x−1)
2
= lim
x→1
+
x −1
−2
= 0.
1.5
lim
x→+∞
x
m
ln x
m∈IN
= lim
x→+∞
mx
m−1
1
x
= lim
x→+∞
mx
m
= ∞.
Es decir, x
m
(m ∈ IN) es un infinito de orden superior a ln x cuando x →+∞.
1.6.
lim
n→+∞
a
n
b
n
= lim
n→+∞
_
a
b
_
n
=
_
a
b
_

= 0, teniendo en cuenta que
a
b
< 1. Por tanto,
a
n
<< b
n
si 1 < a < b.
1.7.
a) lim
n→+∞
k

n
ln n
=


= indeterminado.
Dado que ln x y
k

x son funciones derivables ∀x > 0, utilizaremos la regla de L’Hˆ opital.
lim
x→+∞
(
k

x)

(ln x)

= lim
x→+∞
1
k
x
1
k
−1
1
x
=
1
k
lim
x→+∞
x · x
1
k
−1
=
=
1
k
lim
x→+∞
x
1
k = ∞
Por lo tanto,
k

n >> ln n, ∀k > 0.
b) lim
n→+∞
n
(ln n)
k
= lim
n→+∞
(
k

n)
k
(ln n)
k
=
_
lim
n→+∞
k

n
ln n
_
k
= ∞
k
= ∞(el ´ ultimo l´ımite lo hemos
calculado en el apartado a).
Conclusi ´ on: (ln n)
k
<< n, ∀k > 0.
c) f(n) = (2n)! ≈ (2n)
2n
e
−2n

2n.
lim
n→+∞
(2n)
2n
e
−2n

2n
n
2n
= lim
n→+∞
2
2n
n
2n

2n
e
2n
n
2n
= lim
n→+∞

2n
_
2
e
_
2n
=
=

2 lim
n→+∞
n
1
2
_
e
2
_
2n
= 0,
porque una exponencial (de base > 1) tiene orden de magnitud mayor que cualquier potencia
de n.
Por lo tanto, (2n)! << n
2n
.
d) f(n) = (2n)! ≈ (2n)
2n
e
−2n

2n.
lim
n→+∞
(2n)
2n
e
−2n

2n
(2n)
n
= lim
n→+∞
(2n)
n
e
−2n

2n = lim
n→+∞
_
2n
e
2
_
n

2n =
= ∞
+∞
· ∞= ∞
Por lo tanto, (2n)! >> (2n)
n
.
1.8. Sabemos que n
r
<< a
n
(el orden de los polinomios es inferior al de las exponenciales
de base > 1). Por otra parte:
lim
n→+∞
n
n
a
n
= lim
n→+∞
_
n
a
_
n
= ∞
+∞
= ∞,
as´ı que: a
n
<< n
n
.

© FUOC • P01/75005/00102 21 Profundizaci ´ on en las t´ ecnicas del c´ alculo
A partir del apartado a del ejercicio 1.7, podemos deducir que:
lim
n→+∞
n
r
(ln n)
k
= lim
n→+∞
_
n
r
k
ln n
_
k
= ∞
k
= ∞.
Este c´ alculo nos indica que (ln n)
k
<< n
r
.
Enmarcaremos el resultado que resume la escala de ´ ordenes de magnitud de estas funciones,
de uso frecuente:
(ln n)
k
<< n
r
<< a
n
<< n
n
(k > 0) (r > 0) (a > 1)

© FUOC • P01/75005/00102 22 Profundizaci ´ on en las t´ ecnicas del c´ alculo
2. Resoluci´ on aproximada de ecuaciones
.
De momento, son pocas las ecuaciones que sabemos resolver. Conocemos
una f ´ ormula que nos da la soluci ´ on de cualquier ecuaci ´ on polin´ omica
de primer y segundo grado, y es posible que algunos de vosotros hay´ ais
visto f ´ ormulas an´ alogas para las ecuaciones de tercer y cuarto grado. Ante
una ecuaci ´ on de grado superior con algunas soluciones enteras, tambi´ en
podr´ıamos encontrar una soluci ´ on con la regla de Ruffini. Sin embargo,
en el resto de los casos, ¿qu´ e har´ıamos? O, lo que es todav´ıa peor, ¿c´ o-
mo podemos resolver una ecuaci ´ on como sin x − x = 0 si ni siquiera es
polin´ omica?
En este apartado desarrollaremos algunas t´ ecnicas para obtener soluciones
aproximadas de ecuaciones polin´ omicas de cualquier grado, como tambi´ en
de muchas otras ecuaciones no polin´ omicas.
Hay quien se podr´ıa quejar y decir: “¡Las soluciones no ser´ an exactas!
¿Qu´ e valor tiene el resultado?”. Pero pensad que, cuando resolvemos una
ecuaci ´ on de segundo grado, pongamos por caso x
2
+ 2x −1, que tiene por
soluciones −1 ±

2, nos quedamos satisfechos diciendo que las soluciones
son −2, 4142 y 0, 4142; si queremos precisar m´ as, s´ olo tenemos que poner
m´ as decimales. Esto es justamente lo que conseguiremos con los nuevos
m´ etodos que se van a exponer en este apartado: dar una aproximaci ´ on tan
precisa como deseemos de las soluciones de una ecuaci ´ on.
2.1. Separaci´ on de las soluciones
Antes de aplicar un m´ etodo de resoluci ´ on aproximada de ecuaciones, se
nos plantea una cuesti ´ on previa: saber cu´ antas soluciones hay y separarlas.
Con este objetivo es conveniente obtener intervalos pequeños, de manera
que cada uno contenga una sola soluci ´ on. Entonces, tendremos las solu-
ciones separadas y podremos aplicar el m´ etodo de aproximaci ´ on escogido,
centr´ andonos en cada intervalo.

© FUOC • P01/75005/00102 23 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Con el finde encontrar estos intervalos, utilizaremos el teorema de Bolzano,
Ya hablamos del...
... teorema de Bolzano en el
´ ultimo apartado del m´ odulo
“Las ideas b´ asicas del
c´ alculo”.
pero para averiguar el n´ umero de soluciones a menudo ser´ a necesario el uso
de t´ ecnicas complementarias, que variar´ anenfunci ´ ondel tipo de ecuaci ´ on.
En los siguientes ejemplos ilustraremos las t´ ecnicas de uso m´ as frecuente.
Ejemplo 2.1.
Separamos las soluciones de x
4
+x
3
−27x
2
−25x + 41 = 0.
De entrada, observamos que, si |x| ≥ 10, el t´ ermino x
4
toma un valor mayor que el resto
de los t´ erminos juntos y, por tanto, f(x) = x
4
+ x
3
− 27x
2
− 25x + 41 > 0 si |x| ≥ 10.
Todas las soluciones de la ecuaci ´ on f(x) = 0 se encontrar´ an, entonces, en el intervalo
(−10, 10).
Teniendo en cuenta que nuestra funci ´ on es polin´ omica, podemos utilizar la regla de
Ruffini para averiguar si existen soluciones enteras. Los candidatos ser´ an los divisores
del t´ ermino independiente del polinomio f(x), en este caso ±1 y ±41, pero resulta que
ninguno de los dos es la soluci ´ on. En consecuencia, tendremos que tomar otro camino.
El teorema de Bolzano nos indica que toda funci ´ on continua (como es el caso de un
polinomio), que cambia de signo entre dos puntos a y b, se anula en alg´ un punto del
intervalo (a, b). Intentaremos detectar d´ onde tiene este comportamiento nuestra funci ´ on:
f(−10) > 0, f(1) = −9 < 0, f(10) > 0.
Esto quiere decir que existe, como m´ınimo, una soluci ´ on para cada uno de los intervalos
(−10, 1) y (1, 10). Sin embargo, nos preguntamos si hay dos soluciones o hay m´ as.
Dado que f(x) es un polinomio de cuarto grado, puede haber 0, 2 ´ o 4 soluciones. Inten-
Si ten´ eis dudas...
... sobre el n´ umero de ra´ıces
de un polinomio, pod´ eis
repasar el m´ odulo “Las
funciones de una variable”.
taremos ahondar m´ as, para averiguar as´ı si hay alg´ un otro cambio de signo que delate la
existencia de m´ as soluciones:
f(5) = −9 < 0, f(0) = 41 > 0.
Efectivamente, hab´ıa dos soluciones, y el teorema de Bolzano nos garantiza que se en-
cuentran en los intervalos (−10, −5), (−5, 0), (0, 1) y (1, 10). De hecho, todav´ıa podemos
ser un poco m´ as precisos si observamos que:
f(−6) = 299 > 0, f(−2) = −9 < 0, f(−1) = 59 > 0,
f(4) = −171 < 0, f(5) = 66 > 0.
Ahora ya estamos en condiciones de asegurar que hay cuatro soluciones, y que se encuen-
tran en los intervalos:
(−6, −5), (−2, −1), (0, 1), (4, 5).
Ejemplo 2.2.
Separamos las soluciones de f(x) = x
3
+x + 1 = 0.
Nota
Un esbozo de la gr´ afica de la
funci ´ on f(x) siempre nos
puede ser de utilidad a la
hora de saber el n´ umero de
soluciones y de situarlas.
Recordemos que una ecuaci ´ on polin´ omica de tercer grado puede tener una o tres solu-
ciones. Dado que, en nuestro caso, f(x) > 0 cuando x ≥ 0 y lim
x→−∞
f(x) = −∞, sabemos
que como m´ınimo hay una soluci ´ on negativa, y ninguna positiva. Evaluamos la funci ´ on
en algunos puntos:
f(−1) = −1 < 0, f(0) = 1 > 0.
Deducimos que tenemos una soluci ´ on en el intervalo (−1, 0).
Por otro lado, f(x) < f(−1) si x < −1, ya que x
3
+ x es negativo y, en valor absoluto,
va creciendo cada vez m´ as, a medida que x se aleja del origen en sentido negativo. Esto
nos indica que no hay ninguna soluci ´ on en el intervalo (−∞, −1); es decir, que todas las
soluciones est´ an en (−1, 0).
En este caso, en lugar de escoger m´ as valores en los que evaluar f(x), seguiremos otro
camino. La funci ´ on f(x) es derivable y f

(x) = 3x
2
+ 1. Nos damos cuenta de que

© FUOC • P01/75005/00102 24 Profundizaci ´ on en las t´ ecnicas del c´ alculo
f

(x) > 0, ∀x, lo que quiere decir que f(x) es estrictamente creciente en toda la recta
real. Una funci ´ on estrictamente creciente s ´ olo puede atravesar el eje OX una vez como
m´ aximo y, en consecuencia, nuestra funci ´ on f(x) no podr´ a tener m´ as de una soluci ´ on.
As´ı pues, conlos c´ alculos que acabamos de realizar, ya hemos acabado y podemos concluir
que f(x) tiene una ´ unica soluci ´ on, que se sit ´ ua en el intervalo (−1, 0).
Ejemplo 2.3.
¿Cu´ antas soluciones tiene la ecuaci ´ on x = cos x?
Podemos replantear el problema de la siguiente manera: ¿cu´ antas soluciones tiene la
ecuaci ´ on f(x) = x −cos x = 0? Aplicamos la idea de Bolzano:
f(−2π) = −2π −1 < 0, f(−π) = −π + 1 < 0, f(0) = −1 < 0,
f(π) = π + 1 > 0, f(2π) = 2π −1 > 0, f(3π) = 3π + 1 > 0...
S´ olo hemos localizado una, que se encuentra en el intervalo (0, π). Utilizaremos la
Notación
⇐⇒significa
‘equivalentemente‘.
=⇒significa ‘implica‘.
derivada de f(x) para averiguar si puede haber alguna m´ as:
f

(x) = 1 + sin x.
Dado que sin x ≥ −1 ∀x, resulta que f

(x) ≥ 0 ∀x. Adem´ as:
f

(x) = 0 ⇐⇒ sin x = −1 ⇐⇒ x =

2
+ 2πk ∀k entero.
La funci ´ on f(x) no es estrictamente creciente, lo cual puede parecer un inconveniente,
pero observamos que f(x) > 0 si x > 1 y f(x) < 0 si x < −1, de manera que las
soluciones de la ecuaci ´ on tienen que encontrarse en (−1, 1), puesto que en este intervalo
s´ı se satisface la propiedad f

(x) > 0, y tenemos que f(x) es estrictamente creciente.
Podemos concluir, pues, que existe una ´ unica soluci ´ on de la ecuaci ´ on x = cos x, y que
´ esta se encuentra en el intervalo (−1, 1).
Ejercicio 2.1.
Determinad el n´ umero de soluciones de las ecuaciones que ten´ eis a continuaci ´ on y sepa-
radlas en intervalos disjuntos:
a) x
5
−8x
3
−x
2
−9x + 9 = 0.
b) x
4
−4x
3
−4x
2
+ 16x + 1 = 0.
c) 3x = 2 cos
2
x.
2.2. M´ etodo de bisecci´ on
Tras saber c´ omo hay que separar las soluciones de una ecuaci ´ on, nos centra-
remos endarle unvalor aproximadomediante el usode diferentes m´ etodos.
El primero que vamos a exponer se conoce como m´ etodo de bisecci ´ on y
es el m´ as simple, se basa en el teorema de Bolzano.
El puntode partida es una ecuaci ´ onf(x) = 0 dada por una funci ´ oncontinua
y dos puntos a, b, donde f toma valores con signo diferente (f(a)·f(b) < 0),
conel finde garantizar la existencia de soluci ´ onenel interior del intervalo
[a, b]. Partiendo de [a, b], iremos encontrando nuevos intervalos [a
k
, b
k
],
cada vez menores, que satisfar´ an la propiedad f(a
k
) · f(b
k
) < 0. Cuando

© FUOC • P01/75005/00102 25 Profundizaci ´ on en las t´ ecnicas del c´ alculo
hayamos encontrado un intervalo lo bastante pequeño, escogeremos un
punto cualquiera del interior como valor aproximado de la soluci ´ on.
Veamos ahora c´ omo se construyen los intervalos sucesivos:
• Enunciamos I
0
= [a, b]. Suponemos que f(a) < 0 y f(b) > 0.
• Consideramos x
1
=
a+b
2
el punto medio del intervalo I
0
.
• Se pueden dar tres circunstancias:
1) Si f(x
1
) = 0, ya hemos terminado.
2) Si f(x
1
) > 0, denominaremos a
1
= a, b
1
= x
1
y tomaremos I
1
=
= [a
1
, b
1
] como intervalo siguiente.
3) Si f(x
1
) < 0, denominaremos a
1
= x
1
, b
1
= b y tomaremos I
1
=
= [a
1
, b
1
] como el siguiente intervalo.
• Observad que f(x) toma valores con signo diferente en los extremos del
intervalo I
1
, como tambi´ en pasaba con I
0
. Esta propiedad garantiza la
existencia de una soluci ´ on de la ecuaci ´ on en el interior del intervalo I
1
.
Adem´ as, la longitud del intervalo nuevo se ha reducido a la mitad.
• Por medio de la iteraci ´ onde este proceso,iremos encontrando intervalos
Por este motivo...
... el m´ etodo se llama de
bisecci ´ on: en cada iteraci ´ on
se parte por la mitad el
intervalo anterior.
I
k
de longitud
b−a
2
k
que contendr´ an una soluci ´ on. Nos detendremos
cuando consideremos que la aproximaci ´ on es lo bastante buena, es
decir, cuando
b−a
2
k
sea menor que la cota de error que hayamos prefijado.
Ejemplo 2.4.
Resolvemos la ecuaci ´ on x = cos x.
Ya hemos visto en el ejemplo 2.3 que esta ecuaci ´ on tiene una ´ unica soluci ´ on.
Consideramos f(x) = cos x − x, que es una funci ´ on continua. Dado que f(0) = 1 > 0
y f(3) = cos 3 − 3 < 0, podemos empezar con la aplicaci ´ on del m´ etodo de bisecci ´ on a
partir de I
0
= [0, 3].
Consideremos el punto medio de I
0
, x
1
= 1, 5, y evaluemos la funci ´ on en dicho punto,
f(1, 5) ≈ −1, 43 < 0. El algoritmo anterior nos indica que I
1
=[0, 1,5].
En la tabla siguiente podemos ver el resultado que se logra tras haber realizado las itera-
ciones necesarias hasta obtener una aproximaci ´ on de la soluci ´ on con tres cifras decimales
exactas. Las columnas corresponden al n´ umero de iteraciones (k), a los extremos de los
sucesivos intervalos [a
k
, b
k
] y a su longitud, b
k
−a
k
.

© FUOC • P01/75005/00102 26 Profundizaci ´ on en las t´ ecnicas del c´ alculo
I
k
a
k
b
k
b
k
- a
k
0 0 3 3
1 0 1,5 1,5
2 0 0,75 0,75
3 0,375 0,75 0,375
4 0,5625 0,75 0,1875
5 0,65625 0,75 0,09375
6 0,703125 0,75 0,046875
7 0,7265625 0,75 0,0234375
8 0,73828125 0,75 0,01171875
9 0,73828125 0,744140625 0,005859375
10 0,73828125 0,7412109375 0,0029296879
11 0,73828125 0,73974609375 0,00146484375
12 0,739013671875 0,73974609375 0,000732421875
De este modo, necesitamos seis iteraciones para conseguir la primera cifra decimal exacta,
once para la segunda y doce para llegar a la conclusi ´ on de que la soluci ´ on aproximada
con tres cifras decimales exactas es 0,739.
Ejercicios
2.2.
a) ¿Cu´ antas soluciones tiene la ecuaci ´ on xe
x
= 1?
b) Calculadlas mediante el m´ etodo de bisecci ´ on con una cifra decimal exacta.
2.3. Utilizando el m´ etodo de bisecci ´ on, calculadla ´ unica soluci ´ onde la siguiente ecuaci ´ on:
f(x) = sin x + cos x −0,5 = 0,
en el intervalo [
π
2
, π], con tres cifras decimales exactas.
Cuando teng´ ais la soluci ´ on de estos dos ejercicios, os dar´ eis cuenta de que
el m´ etodo de bisecci ´ on, a pesar de ser seguro, es un poco lento. Se acaba
encontrando una soluci ´ on tan precisa como queramos, pero la convergen-
cia del m´ etodo hacia la soluci ´ on es bastante lenta. Por este motivo, en los
siguientes apartados vamos a encontrar un par de propuestas m´ as con el
fin de ganar en velocidad de convergencia.
2.3. M´ etodo de la secante
Con el m´ etodo de bisecci ´ on siempre escog´ıamos el punto medio del in-
tervalo para continuar con la aproximaci ´ on, pero si tuvi´ esemos la libertad
para escoger alg´ un otro m´ as cercano a la soluci ´ on en cada iteraci ´ on, nos
acercar´ıamos con una mayor rapidez, ganar´ıamos en velocidad.
Observad con atenci ´ on el siguiente gr´ afico.

© FUOC • P01/75005/00102 27 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Partimos de la gr´ afica de una funci ´ on continua f(x), que se anula en un
punto α del intervalo [a, b], y hemos dibujado tambi´ en la recta (secante en
la gr´ afica) que une los puntos (a, f(a)) y (b, f(b)). La intersecci ´ on (c) de
esta secante con el eje OX est´ a m´ as cerca de α que el punto medio
a+b
2
,
del intervalo [a, b]. As´ı, parece que esta nueva idea geom´ etrica, repetida en
sucesivas ocasiones (observad el gr´ afico siguiente), nos puede aportar una
buena aproximaci ´ on de la soluci ´ on de manera mucho m´ as r´ apida que el
m´ etodo de bisecci ´ on.
Sin embargo, ¿c´ omo podemos encontrar num´ ericamente estos puntos x
2
,
x
3
. . . que aproximan la soluci ´ on de la ecuaci ´ on f(x) = 0? El primer paso
ser´ a calcular el punto x
2
de este gr´ afico a partir de los extremos del intervalo
[a, b] = [x
0
, x
1
].
La recta que pasa por los puntos (x
0
, f(x
0
)) y (x
1
, f(x
1
)) tiene la ecuaci ´ on
y = px + m, donde:
p =
f(x
1
) −f(x
0
)
x
1
−x
0
, m = f(x
0
) −
f(x
1
) −f(x
0
)
x
1
−x
0
x
0
(los valores p y m se calculan imponiendo que los dos puntos satisfacen la
ecuaci ´ on de la recta).
El punto de corte de esta recta con el eje OX es (x
2
, 0), donde:
x
2
= x
1

f(x
1
)(x
1
−x
0
)
f(x
1
) −f(x
0
)
.

© FUOC • P01/75005/00102 28 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Si vamos repitiendo el mismo proceso, obtendremos una sucesi ´ on de pun-
tos x
0
, x
1
, x
2
, · · · , x
n
cada vez m´ as cercanos (si todo va bien) a la soluci ´ on
exacta. Podremos calcular x
n
a partir de los dos puntos anteriores, x
n−1
y
x
n−2
, de la misma manera que hemos obtenido x
2
a partir de x
0
y x
1
.
.
F´ ormula iterativa del m´ etodo de la secante
x
n
= x
n−1

f(x
n−1
)(x
n−1
−x
n−2
)
f(x
n−1
) −f(x
n−2
)
, n ≥ 2
El m´ etodo de la secante es, pues, el que se conoce como m´ etodo recurrente, es
decir, que el siguiente punto se obtiene a partir de algunos de los anteriores.
Ejemplo 2.5.
Resolvemos la ecuaci ´ on x = cos x con el m´ etodo de la secante.
Consideramos f(x) = cos x −x, x
0
= 0, 7 y x
1
= 0, 8. El hecho de que f(x) sea continua,
f(0, 7) > 0 y f(0, 8) < 0, nos permite deducir que hay una soluci ´ on de la ecuaci ´ on
f(x) = 0 en el intervalo (0,7, 0,8).
La f ´ ormula iterativa del m´ etodo de la secante, aplicada a nuestra funci ´ on f(x) es:
x
n
= x
n−1

(cos(x
n−1
) −x
n−1
)(x
n−1
−x
n−2
)
cos(x
n−1
) −x
n−1
−cos(x
n−2
) +x
n−2
.
Cuando empezamos a calcular puntos, obtenemos:
x
2
= 0, 738565440, x
3
= 0, 739078362,
x
4
= 0, 739085134, x
5
= 0, 739085133.
Dado que f(x
4
) < 0 y f(x
5
) > 0, tenemos una soluci ´ on al intervalo (0,739085133,
0,739085134). En s ´ olo cuatro iteraciones, hemos pasado de tener una sola cifra decimal
exacta (x ≈ 0,7), a tener ocho (x ≈ 0,739085133). El m´ etodo de la secante ha resultado
ser mucho m´ as r´ apido que el m´ etodo de bisecci ´ on, tal y como nos hab´ıamos propuesto.
Es posible que alguien se haya preguntado por qu´ e hemos calculado el signo de f(x
4
)
y f(x
5
). Resulta que, en el m´ etodo de la secante, la soluci ´ on no siempre se encuentra
entre dos puntos consecutivos x
n
y x
n+1
. Lo ´ unico que podremos asegurar es que x
n+1
estar´ a m´ as cerca de la soluci ´ on que x
n
. Este fen´ omeno se da en el ejemplo anterior:
0, 73908513 ∈ [x
2
, x
3
]. La raz´ on se puede entender de manera gr´ afica si observamos el
gr´ afico:
La soluci ´ on α no se encuentra entre x
1
y x
2
, pero x
2
est´ a m´ as cerca de α que x
1
.

© FUOC • P01/75005/00102 29 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejercicio 2.4.
Resolved el ejercicio 2.3. utilizando ahora el m´ etodo de la secante y comparando la
rapidez.
2.4. M´ etodo de Newton
Todav´ıa nos queda considerar un tercer m´ etodo de resoluci ´ on aproximada
de ecuaciones, el llamadom´ etodo de Newton om´ etodo de la tangente. Tambi´ en
es unm´ etodo iterativo, incluso m´ as r´ apido que los dos anteriores, pero para
su utilizaci ´ ones necesario que la funci ´ onusada sea derivable enunentorno
de la soluci ´ on. Para que os hag´ ais una idea de la velocidad de convergencia
del m´ etodo, pensad en que el n´ umero de cifras decimales exactas se dobla
en cada iteraci ´ on.
Isaac Newton
(1642-1727)
F´ısico ingl ´ es. De entre sus
obras destaca “Philosophiae
naturalis principia
mathematica”, escrita en el
año 1687.
Veamos de manera gr´ afica la idea geom´ etrica subyacente:
Partiendo de un valor x
0
cercano a la soluci ´ on α de la ecuaci ´ on f(x) = 0,
trazamos la tangente a la curva y = f(x) en el punto de abscisa x = x
0
, y
escogemos como punto siguiente de la iteraci ´ on (x
1
) la intersecci ´ on de la
recta tangente con el eje OX. Con el fin de aproximarnos sucesivamente
a la soluci ´ on, iremos repitiendo este proceso.
Os dar´ eis cuenta de que este procedimiento es parecido al m´ etodo de la
secante, pero aqu´ı se considera la tangente en el momento de ir avanzando
en la iteraci ´ on.
¿Y a qu´ e f ´ ormula iterativa da lugar esta construcci ´ on geom´ etrica? La ecua-
ci ´ on de la recta tangente a la curva y = f(x) en el punto (x
n
, f(x
n
)) es:
y −f(x
n
) = f

(x
n
) · (x −x
n
).
Si la intersecamos con el eje OX, obtenemos la abscisa:
x = x
n

f(x
n
)
f

(x
n
)
,
donde este punto corresponde a la abscisa de la iteraci ´ on siguiente.
.

© FUOC • P01/75005/00102 30 Profundizaci ´ on en las t´ ecnicas del c´ alculo
F´ ormula iterativa del m´ etodo de Newton
x
n+1
= x
n

f(x
n
)
f

(x
n
)
, n ≥ 0
Ejemplo 2.6.
Volvemos a la ecuaci ´ on f(x) = cos x − x = 0, y observamos las aproximaciones de
Comentario
Los c´ alculos se hacen con una
calculadora con pantalla de
diez d´ıgitos. Si quer´ eis
continuar iterando y
comprobar la velocidad de
convergencia del m´ etodo en
este ejemplo, pod´ eis hacerlo
con la ayuda del ordenador.
la soluci ´ on que vamos obteniendo si utilizamos el m´ etodo de Newton, empezando con
x
0
= 0,7. La derivada de la funci ´ on es f

(x) = −sin x −1, y la f ´ ormula recursiva:
x
n+1
= x
n
+
cos x
n
−x
n
1 + sin x
n
.
Los puntos que se van obteniendo cuando se aplica la f ´ ormula de manera sucesiva son:
x
1
= 0, 739436497 (tres cifras decimales exactas)
x
2
= 0, 739085160 (seis cifras decimales exactas)
x
3
= 0, 739085133 (todas las cifras decimales son exactas)
Uncriterio heur´ıstico para saber el n´ umero de decimales exactos de x
n
consiste endetectar
las cifras coincidentes con x
n−1
. En este caso, x
2
tendr´ıa como m´ınimo tres cifras
decimales exactas y x
3
tendr´ıa como m´ınimo siete.
Envista del ejemplo, parece que el m´ etodo de Newtones la “panacea”, es decir, la soluci ´ on
a todos nuestros problemas y que podemos olvidarnos de los dos m´ etodos anteriores. Sin
embargo, no os precipit´ eis y echadle un vistazo a este par de ejemplos gr´ aficos:
En el gr´ afico de la izquierda, vemos que el m´ etodo entra en un proceso
oscilante, las iteraciones nos llevan del punto x
0
al punto x
1
, y viceversa,
de manera que no es posible acercarse m´ as a la soluci ´ on. En el gr´ afico de
la derecha, el resultado es todav´ıa peor, porque x
1
se aleja de la soluci ´ on.
De hecho, utilizando el m´ etodo de la secante tambi´ en podr´ıamos trope-
zarnos con obst´ aculos parecidos. El ´ unico m´ etodo seguro, en el sentido
de que siempre nos conduce hasta la soluci ´ on con independencia de los
puntos iniciales que hayamos escogido, es el de bisecci ´ on.
A continuaci ´ on resumimos las prestaciones y las limitaciones del m´ etodo
de Newton:
• Es necesario que f(x) sea derivable en un entorno de la soluci ´ on (y que
f

(x) no se anule para que la f ´ ormula siempre tenga sentido).

© FUOC • P01/75005/00102 31 Profundizaci ´ on en las t´ ecnicas del c´ alculo
• No siempre se llega a la soluci ´ on (el m´ etodo no siempre es convergente,
partiendo de un punto inicial cualquiera).
• Si llegamos a una soluci ´ on, la convergencia es muy r´ apida.
Podemos concluir apuntando que un m´ etodo ´ util para una gran cantidad
de funciones es lento, mientras que un m´ etodo r´ apido tiene restricciones.
Una posibilidad para optimizar esfuerzos es estudiar, para cada funci ´ on,
qu´ e m´ etodo resulta adecuado, y en qu´ e punto x
0
es ventajoso empezar la
iteraci ´ on si lo que queremos es ganar en rapidez. En cualquier caso, es muy
´ util disponer de entrada de un esbozo de la gr´ afica de la funci ´ on.
2.5. Ejercicios
2.5. Resolved el problema 2.3. aplicando el m´ etodo de Newton.
2.6.
a) Encontrad una f ´ ormula iterativa para calcular

2 por medio del m´ etodo de Newton.
b) Encontrad una aproximaci ´ on de

2 con ocho cifras decimales exactas.
2.6. Solucionario
2.1.
a) Descomponemos x
5
− 8x
3
− x
2
− 9x + 9 = (x
3
+ x − 1)(x + 3)(x − 3) mediante la regla
de Ruffini y obtenemos dos soluciones exactas: x = ±3.
Entonces consideramos la funci ´ on f(x) = x
3
+x −1.
f

(x) = 3x
2
+1 > 0 ∀x implica que f(x) es creciente de forma estricta y, por tanto, la ecuaci ´ on
f(x) = 0 tendr´ a, como m´ aximo, una soluci ´ on.
Dado que f(x) es un polinomio de grado impar, tiene como m´ınimo una ra´ız.
Conclusi ´ on: x
5
−8x
3
−x
2
−9x + 9 = 0 tiene tres soluciones.
Por otro lado, f(0) = −1 < 0 y f(1) = 1 > 0, de donde se deduce que la tercera soluci ´ on se
encuentra en el intervalo (0, 1).
b) La regla de Ruffini nos indica que f(x) = x
4
−4x
3
−4x
2
+16x+1 = 0 carece de soluciones
enteras. Gracias a que f(x) es un polinomio de cuarto grado, nosotros sabemos que puede
tener 0, 2 ´ o 4 ra´ıces. Le damos valores a la funci ´ on:
f(−2) = 1 > 0, f(−1) = −14 < 0, f(0) = 1 > 0, f(3) = −14 < 0, f(4) = 1 > 0.
En consecuencia, existen cuatro soluciones posibles de la ecuaci ´ on, que se sit ´ uan en los
intervalos(−2, −1), (−1, 0), (0, 3) y (3, 4).
c) Consideramos f(x) = 3x −2 cos
2
x = 0.
f

(x) = 3 + 4 sin xcos x = 3 + 2 sin(2x) ≥ 1 ∀x
porque −1 ≤ sin α ≤ 1 ∀α. As´ı pues, f(x) es estrictamente creciente y la ecuaci ´ on tendr´ a
como m´ aximo una soluci ´ on.
f(0) = −2 < 0, f(π) = 3π −2 > 0.
Por tanto, hay una ´ unica soluci ´ on, que se encuentra en el intervalo (0, π).

© FUOC • P01/75005/00102 32 Profundizaci ´ on en las t´ ecnicas del c´ alculo
2.2.
a) De entrada observamos que xe
x
es m´ as pequeño que 0 si x < 0, por lo tanto la ecuación no
tiene soluciones negativas. Consideramos f(x) = xe
x
−1 en [0, +∞). f

(x) = (x+1)e
x
> 0,
cuando x > 0, nos indica que f(x) es estrictamente creciente en [0, +∞), y por lo tanto,
f(x) = 0 tendr´ a, como m´ aximo, una soluci ´ on. Por otra parte,
f(0) = −1 < 0, f(1) = e −1 > 0.
Conclusi ´ on: hay una sola soluci ´ on que se encuentra en (0, 1).
b) f(x) = xe
x
−1, I
0
= [0, 1], x
1
= 0,5.
f(0,5) =
1
2

e −1 < 0 =⇒ I
1
= [0,5, 1]
x
2
=
0,5 + 1
2
= 0,75
f(0,75) ≈ 0,5878 > 0 =⇒ I
2
= [0,5, 0,75]
x
3
=
0,5 + 0,75
2
= 0,625
f(0,625) ≈ 0,1677 > 0 =⇒ I
3
= [0,5, 0,625]
x
4
=
0,5 + 0,625
2
= 0,5625
f(0,5625) ≈ -0,0128 < 0 =⇒ I
4
= [0,5625, 0,625]
x
5
=
0,5625 + 0,625
2
= 0,59375
f(0,59375) ≈ 0,0751 > 0 =⇒ I
5
= [0,5625, 0,59375]
Podemos ver que la aproximaci ´ on de la soluci ´ on con una cifra decimal exacta es x = 0,5 y
han sido necesarias cinco interaciones para certificarlo.
2.3. Al ser f(x) continua, podemos aplicar el m´ etodo de bisecci ´ on.
f(
π
2
) = 0,5 > 0, f(π) = -1,5 < 0.
Por lo tanto, encontramos una soluci ´ on en el intervalo [
π
2
, π]; hacemos una tabla parecida a
la del ejemplo 2.4:
0 1,570796327 3,141592654
1 1,570796327 2,3561944902
2 1,9634954085 2,3561944902
Ӈ Ӈ Ӈ
10 1,994175024 1,995709005
11 1,994175024 1,994942014
Hemos podido comprobar que necesitamos once iteraciones si queremos que los dos extremos
del intervalo coincidan en tres cifras decimales. La aproximaci ´ on deseada de la soluci ´ on es
x = 1,994.
2.4. f(x) = cos x + sin x −0,5, x
0
=
π
2
, x
1
= π.
La f ´ ormula recurrente que hay que aplicar para obtener las siguientes aproximaciones es:
x
n
= x
n−1
−(x
n−1
−x
n−2
)
cos(x
n−1
) + sin(x
n−1
) −0,5
cos(x
n−1
) + sin(x
n−1
) −cos(x
n−2
) −sin(x
n−2
)
.
Si empezamos con x
0
= 1,570796327 ≈
π
2
y x
1
= 3,141592654 ≈ π, iremos obteniendo:
x
2
= 1,963495409, x
3
= 1,994985893, x
4
= 1,994826396.
Dado que tenemos que f(x
3
) < 0 y f(x
4
) > 0, la soluci ´ on se encontrar´ a en el intervalo
(x
4
, x
3
), y de esta manera la aproximaci ´ on de la soluci ´ on con tres cifras exactas es x = 1,994.
Observad, en cualquier caso, que la convergencia es m´ as r´ apida que si utilizamos el m´ etodo
de bisecci ´ on, puesto que ahora s ´ olo hemos necesitado tres iteraciones.
2.5. f(x) = sin x + cos x −0,5 = 0. f

(x) = cos x −sin x. La f ´ ormula iterativa es:
x
n+1
= x
n

sin(x
n
) + cos(x
n
) −0,5
cos(x
n
) −sin(x
n
)
.

© FUOC • P01/75005/00102 33 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Empezamos las iteraciones con x
0
=
π
2
.
x
1
=
π
2
+ 0,5 ≈ 2,070796327, x
2
= 1,995746681, x
3
= 1,994827526.
Con tres iteraciones, como vemos, ha sido suficiente y, de hecho, x
3
es una aproximaci ´ on de
la soluci ´ on con seis cifras decimales exactas.
2.6.
a) Necesitamos una funci ´ on derivable f tal que x =

2 sea una soluci ´ on de f(x) = 0.
x =

2 =⇒ x
2
= 2 =⇒ x
2
−2 = 0.
Escogemos f(x) = x
2
−2. f

(x) = 2x y la f ´ ormula iterativa del m´ etodo de Newton es:
x
n+1
= x
n

x
2
n
−2
2x
n
,
que, convenientemente simplificada, se convierte en:
x
n+1
=
x
n
2
+
1
x
n
.
b) Empezamos las iteraciones:
x
1
= 1,5, x
2
= 1,416666667, x
3
= 1,414215686, x
4
= 1,414213562.
S´ olo han sido necesarias cuatro iteraciones; x
4
ya tiene nueve cifras decimales exactas.

© FUOC • P01/75005/00102 34 Profundizaci ´ on en las t´ ecnicas del c´ alculo
3. Aproximaci´ on polin´ omica de una funci´ on
.
En el m´ odulo “Las ideas b´ asicas del c´ alculo” estudiamos la aproximaci ´ on
local de funciones derivables por rectas y por par´ abolas, y tambi´ en anun-
ciamos una f ´ ormula que nos iba a servir para encontrar el polinomio de
grado n que mejor aproxima una funci ´ on alrededor de un punto fijado.
En el presente apartado se expone de manera detallada este resultado fun-
damental del an´ alisis matem´ atico, llamado f´ ormula o teorema de Taylor, y
se aplica a la evaluaci ´ on aproximada de funciones.
3.1. F´ ormulas de Taylor y Maclaurin
En un principio, consideraremos funciones polin´ omicas. Tenemos el po-
linomio P(x) = = 2x
4
− 4x
3
− 5x
2
+ 7x + 10, y nos planteamos expresarlo
en potencias de (x −2).
Utilizando de manera sucesiva la regla de Ruffini para dividir el polinomio
P(x) por (x −2), tendremos:
Brook Taylor (1685-1731)
Matem´ atico ingl ´ es conocido
principalmente por su
teorema o f ´ ormula, que
proporciona la aproximaci ´ on
polin´ omica de una funci ´ on.
Este teorema, enunciado
hacia 1712, aparece
publicado en la obra principal
de Taylor: Methodus
incrementorum directa et
inversa (1715 - 1717), que se
puede considerar, salvo
aislados precedentes, la
primera obra sobre
diferencias finitas. El teorema
fue ignorado durante medio
siglo, hasta que Lagrange lo
hizo destacar. Cauchy, por
otra parte, llev´ o a cabo su
primera demostraci ´ on
rigurosa.
P(x) = (x −2)(2x
3
−5x −3) + 4.
P(x) = (x −2)
_
(x −2)(2x
2
+ 4x + 3) + 3
_
+ 4.
P(x) = (x −2)
_
(x −2)
_
(x −2)(2x + 8) + 19
_
+ 3
¸
+ 4.

© FUOC • P01/75005/00102 35 Profundizaci ´ on en las t´ ecnicas del c´ alculo
P(x) = (x −2)
_
(x −2)
_
(x −2)
_
2(x −2) + 12
_
+ 19
_
+ 3
¸
+ 4.
P(x) = 4 + 3(x −2) + 19(x −2)
2
+ 12(x −2)
3
+ 2(x −2)
4
.
En general, dado un polinomio cualquiera P(x), ´ este se puede expresar
mediante potencias de (x−a) como hemos visto antes. Tambi´ en es posible
calcular los coeficientes del desarrollo anterior por derivaciones sucesivas
de P(x).
Si nos encontramos con un polinomio de grado n cualquiera, se puede
escribir:
P(x) = a
0
+ a
1
(x −a) + a
2
(x −a)
2
+ a
3
(x −a)
3
+ . . . + a
n
(x −a)
n
.
P

(x) = 1 · a
1
+ 2 · a
2
(x −a) + 3 · a
3
(x −a)
2
+ . . . + n · a
n
(x −a)
n−1
.
P

(x) = 2 · 1 · a
2
+ 3 · 2 · a
3
(x −a) + . . . + n · (n −1) · a
n
(x −a)
n−2
.
.
.
.
P
(n)
(x) = n · (n −1) · (n −2) · (n −3) · . . . · 2 · 1 · a
n
= n! a
n
.
Calculando el valor num´ erico de los polinomios para x = a, tendremos:
P(a) = 1 · a
0
= 0! · a
0
⇒a
0
=
P(a)
0!
.
P

(a) = 1 · a
1
= 1! · a
1
⇒a
1
=
P(a)
1!
.
P

(a) = 2 · 1 · a
2
= 2! · a
2
⇒a
2
=
P(a)
2!
.
.
.
.
P
(n)
(a) = n · (n −1) · (n −2) · . . . · 2 · 1 · a
n
= n! · a
n
⇒a
n
=
P
(n)(a)
n!
.
De modo que el desarrollo de P(x) en potencias de (x −a) ser´ a:
.
P(x) = P(a) +
P

(a)
1!
(x −a) +
P

(a)
2!
(x −a)
2
+ . . . +
P
(n)
(a)
n!
(x −a)
n
.
´
Esta es la fórmula de Taylor para funciones polin´ omicas.
Aplicando estos resultados al polinomio del ejemplo de introducci ´ on, te-
nemos:
P(x) = 2x
4
−4x
3
−5x
2
+ 7x + 10 ⇒ a
0
=
P(2)
0!
=
4
1
= 4.
P

(x) = 8x
3
−12x
2
−10x + 7 ⇒ a
1
=
P

(2)
1!
=
3
1
= 3.
P

(x) = 24x
2
−24x −10 ⇒ a
2
=
P

(2)
2!
=
38
2
= 19.
P

(x) = 48x −24 ⇒ a
3
=
P

(2)
3!
=
72
6
= 12.
P
(iv)
(x) = 48 ⇒ a
4
=
P
(iv)
(2)
4!
=
48
24
= 2.

© FUOC • P01/75005/00102 36 Profundizaci ´ on en las t´ ecnicas del c´ alculo
El desarrollo de P(x) resulta, como antes:
P(x) = 4 + 3(x −2) + 19(x −2)
2
+ 12(x −2)
3
+ 2(x −2)
4
.
.
Dada una funci ´ on y = f(x), definida en un entorno del punto a, tal
que existen f

(a), f

(a), . . . , f
(n)
(a), definimos polinomio de Taylor
de grado n para f, en el punto a, y lo escribimos P
n,a
(x):
P
n,a
(x) = f(a) +
f

(a)
1!
(x −a) +
f

(a)
2!
(x −a)
2
+ . . . +
f
(n)
(a)
n!
(x −a)
n
.
Se aprecia que, sin lugar a dudas, f(x) no es una funci ´ on polin´ omica;
f(x), por lo tanto, no se podr´ a expresar con un polinomio. La diferencia
f(x) − P
n,a
(x) no ser´ a nula, lo que da lugar a la definici ´ on que tenemos a
continuaci ´ on:
.
Si y = f(x) es una funci ´ on mediante la cual existe P
n,a
(x), definimos
el residuo n-ésimo de Taylor de f en a (t´ ermino complementario
de orden n de f en a) como:
R
n,a
(x) = T
n,a
(x) = f(x) −P
n,a
(x) =
= f(x) −f(a) −
f

(a)
1!
(x −a) −. . . −
f
(n)
(a)
n!
(x −a)
n
.
Como pod´ıamos esperar, entre el polinomio de Taylor de una funci ´ on y la
misma funci ´ on siempre se establece una relaci ´ on determinada, como nos
muestra el siguiente teorema:
.
Sea f : y = [a
1
, b
1
] → IR, a ∈ I. Supongamos que f es derivable
hasta el orden (n − 1) en I y que existe f
(n)
(a). Entonces,
lim
x→a
f(x) −P
n,a
(x)
(x −a)
n
= 0 (si n = 1, la hip´ otesis es f derivable en a).

© FUOC • P01/75005/00102 37 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Es necesario observar que el teorema asegura que si f cumple las condicio-
Forma de Peano
o((x −a)
n
) =
= (x −a)
n
(x −a), donde
(x −a) tiende a 0 si x →a.
La forma
R
n,a
(x) = o((x −a)
n
) de
expresar el t´ ermino
complementario se denomina
forma de Peano o de Young.
nes mencionadas, entonces f(x) −P
n,a
(x) = o((x−a)
n
) (consultad el texto
explicativo que ten´ eis en el margen) cuando x →a, es decir:
f(x) = f(a) +
f

(a)
1!
(x −a) + . . . +
f
(n)
(a)
n!
(x −a)
n
+ o((x −a)
n
).
Como se puede apreciar, de aqu´ı obtenemos una aproximaci ´ on de f(x)
mediante polinomios, al mismo tiempo que nos indica que, para valores
de x cercanos a a, la diferencia f(x) −P
n,a
(x) es pequeña en comparaci ´ on
con (x −a)
n
. El proceso anterior recibe el nombre de desarrollo limitado
de Taylor de orden n de la funci ´ on f en el punto a.
Para n = 1 tenemos que P
1,a
(x) = f(a) + f

(a)(x −a) es una aproximaci ´ on
lineal de f(x), siendo f(x) − [f(a) + f

(a)(x − a)] = o(x − a). Dado que la
ecuaci ´ on de la recta tangente a la curva en x = a es y = f(a) +f

(a)(x −a),
resulta que la recta tangente a x = a es la aproximaci ´ on lineal de f(x) en
x = a. Si, por ejemplo, consideramos f(x) = sin x y el punto x = 0, nos
encontramos con que f

(x) = cos x, f

(0) = 1, con lo que llegamos a la
conclusi ´ on de que y = x es la aproximaci ´ on lineal de f(x) = sin x en x = 0.
Ejemplo 3.1.
Si consideramos la funci ´ on y(x) = sin x y a =
π
2
y, tendremos: y(
π
2
) = 1; y

(x) = cos x ⇒
⇒ y

(
π
2
) = 0; y

(x) = −sin x ⇒ y

(
π
2
) = −1, y dado que y(x) cumple las condiciones
necesarias para admitir un desarrollo de Taylor de orden 2 en el punto
π
2
, resulta:
sin x = 1 +
0
1!
_
x −
π
2
_

1
2!
_
x −
π
2
_
2
+o
__
x −
π
2
_
2
_
= 1 −
1
2!
_
x −
π
2
_
2
+o
__
x −
π
2
_
2
_
.
Ejemplo 3.2.
Est´ a claro que 1 = (1 −x)(1 + x +x
2
) +x
3
. As´ı pues, f(x) =
1
1−x
= 1 + x +x
2
+
x
3
(1−x)
y puesto que tenemos que lim
x→0
x
3
x
2
(1 −x)
= 0 ⇒
x
3
x
2
(1 −x)
= o(x
2
), podemos escribir
1
(1−x)
= 1 + x + x
2
+ o(x
2
). Se puede demostrar que 1 + x + x
2
+ o(x
2
) es el desarrollo
limitado de Taylor de orden 2 de f(x) =
1
1−x
en el punto a = 0, mediante el c´ alculo de
f(0), f

(0) y f

(0).
Si consideramos x − a = h ⇔ x = a + h, nos encontraremos con que el
Recordad que...
... o(h
n
) = h
n
(h), donde
(h) tiende a 0 si h →0.
desarrollo limitado de Taylor de orden n de la función f en el punto a se
puede escribir:
f(a + h) = f(a) +
f

(a)
1!
h + . . . +
f
(n)
(a)
n!
h
n
+ o(h
n
).

© FUOC • P01/75005/00102 38 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Si se diera el caso de que a = 0, entonces el desarrollo de Taylor y el polino-
Colin Maclaurin
(1698-1746)
Matem´ atico escoc´ es y uno de
los disc´ıpulos m´ as eminentes
de Newton. Realiz´ o notables
trabajos en geometría,
´ algebra y c´ alculo
infinitesimal. En 1742
public´ o su obra de mayor
renombre Tratado de las
fluxiones. Sus trabajos sobre
los desarrollos en serie de
potencias de determinadas
funciones provocaron que el
caso a = 0 de la f ´ ormula de
Taylor quedase asociado con
su nombre.
miocorrespondiente se denominanpolinomio y desarrollo de Maclaurin,
que es:
f(x) = f(0) +
f

(0)
1!
x +
f

(0)
2!
x
2
+ . . . +
f
(n)
(0)
n!
x
n
+ o(x
n
).
Ejemplo 3.3.
Consideramos la funci ´ on y(x) = e
x
. Tenemos que y(0) = e
0
= 1; y

(x) = e
x
⇒ y

(0) =
= e
0
= 1; y

(x) = e
x
⇒y

(0) = e
0
= 1; y

(x) = e
x
⇒y

(0) = e
0
= 1.
Por lo tanto, y(x) = e
x
= 1 +
x
1!
+
x
2
2!
+
x
3
3!
+o(x
3
).
En general, tendremos y(x) = e
x
= 1 +
x
1!
+
x
2
2!
+
x
3
3!
+. . . +
x
n
n!
+o(x
n
).
A continuaci ´ on veremos que en caso de que f cumpla ciertas condiciones
resulta posible expresar el residuo n-´ esimo de Taylor (o t´ ermino comple-
mentario) de manera bastante precisa.
.
Teorema de Taylor (con residuo de Lagrange)
Dada una funci ´ on f : [α, β] → IR derivable hasta el orden n en
[α, β], f
(n)
(x) continua en[α, β] y derivable en(α, β), seana y x puntos
diferentes de [α, β]. Entonces existe ξ comprendido entre a y x tal
que:
R
n,a
(x) =
(x −a)
n+1
(n + 1)!
f
(n+1)
(ξ).
El hecho de decir que ξ est´ a comprendido entre a y x equivale a decir que
ξ = a + θh, siendo h = (x −a), 0 < θ < 1.
!
As´ı, podemos expresar la f ´ ormula de Taylor de la siguiente forma (supo-
niendo que f cumple las condiciones del teorema de Taylor):
f(x) = f(a) +
f

(a)
1!
(x −a) + . . . +
f
(n)
(a)
n!
(x −a)
n
+
+
f
(n+1)
[a + θ(x −a)]
(n + 1)!
(x −a)
n+1
,
o bien:
f(a + h) = f(a) +
f

(a)
1!
h + . . . +
f
(n)
(a)
n!
h
n
+
f
(n+1)
(a + θh)
(n + 1)!
h
n+1
,
siendo 0 < θ < 1.

© FUOC • P01/75005/00102 39 Profundizaci ´ on en las t´ ecnicas del c´ alculo
.
La expresi ´ on
f
(n+1)
(a+θh)
(n+1)!
h
n+1
recibe el nombre de residuo (t´ ermino
complementario) de Lagrange.
Como se puede apreciar, la f ´ ormula de Taylor proporciona una aproxima-
ci ´ on de f(x) mediante polinomios donde el residuo es el que establece el
error cometido. La magnitud del error cometido se puede calcular (acotar)
si se conocen cotas de |f
(n+1)
(x)|.
Adem´ as, en el caso n = 0, la f ´ ormula de Taylor (con residuo de Lagrange)
se reduce a la del teorema de valor medio de Lagrange. As´ı pues, la f ´ or-
mula de Taylor es una generalizaci ´ on del teorema del valor medio de
Lagrange.
!
El inter´ es del t´ ermino complementario del Lagrange es que sigue la ley
de formaci ´ on de los t´ erminos anteriores, con la ´ unica diferencia de que
la derivada se encuentra en un punto indeterminado a + θh(0 < θ < 1)
comprendido entre a y a + h.
Ejemplo 3.4.
Si consideramos y(x) = f(x) = sin x y a =
π
2
, est´ a claro que dado x ∈ IR, existen α, β tales
que
π
2
, x ∈ [α, β] y f cumple las condiciones del teorema de Taylor para cualquier n ∈ IN
en [α, β] (ser´ıa suficiente con considerar α =
π
2
, β = x si x >
π
2
, o bien α = x, β =
π
2
si
x <
π
2
). En particular, para n = 2 tendremos:
f(x) = sin x ⇒ f(
π
2
) = 1,
f

(x) = cos x ⇒ f

(
π
2
) = 0,
f

(x) = −sin x ⇒ f

(
π
2
) = −1,
f

(x) = −cos x ⇒ f

[
π
2
+θ(x −
π
2
)] = −cos[
π
2
+θ(x −
π
2
)].
sin x = 1 +
0
1!
_
x −
π
2
_

1
2!
_
x −
π
2
_
2
+
−cos
_
π
2

_
x −
π
2

3!
_
x −
π
2
_
3

⇒sin x 1 −
1
2
_
x −
π
2
_
2
, con un error:
|R
2
(x)| =
¸
¸
¸
−cos
_
π
2

_
x −
π
2

3!
_
x −
π
2
_
3
¸
¸
¸

¸
¸
x −
π
2
¸
¸
3
6
.
Este error es pequeño siempre y cuando x se encuentre pr ´ oxima a
π
2
; esto nos aporta m´ as
informaci ´ on que si decimos sin x = 1 +
1
2!
_
x −
π
2
_
2
+ o
__
x −
π
2
_
2
_
(primer ejemplo
de este apartado).
La f ´ ormula de Maclaurin se obtiene como un caso particular de la de Taylor
si se desarrolla la funci ´ on y = f(x) en un entorno del punto x = 0.
f(x) = f(0) +
f

(0)
1!
x +
f

(0)
2!
x
2
+ . . . +
f
(n)
(0)
n!
x
n
+
f
(n+1)
(θx)
(n + 1)!
x
n+1

© FUOC • P01/75005/00102 40 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 3.5.
Aproximemos en un entorno de x = 0 la funci ´ on f(x) = sin x mediante un polinomio
de tercer grado.
f(x) = sin x ⇒ f(0) = 0, f

(x) = cos x ⇒ f

(0) = 1, f

(x) = −sin x ⇒ f

(0) = 0,
f

(x) = −cos x ⇒f

(0) = −1, f
(iv)
(x) = sin x ⇒f
(iv)
(θx) = sin θx.
sin x = 0 +
1
1!
x +
0
2!
x
2
+
−1
3!
x
3
+
sin θx
4!
x
4
= x −
1
6
x
3
+
sin θx
4!
x
4
x −
1
6
x
3
,
con un error |R
3
(x)| =
¸
¸
sin θx
24
x
4
¸
¸

|x|
4
24
(0 < θ < 1).
Por ejemplo, si |x| < 0,1 < |R
3
(x)| <
(0,1)
4
24
4 · 10
−6
.
Es decir, en un entorno del punto x = 0, la curva definida por la funci ´ on polin´ omica de
tercer grado y = x −
x
3
6
aproxima la funci ´ on y = sin x.
Ejercicios
3.1. Aproximad en un entorno de x = 0 la funci ´ on f(x) = e
x
mediante el polinomio de
segundo grado y acotad el error cometido.
3.2. Aproximad en un entorno de x = 0 la funci ´ on f(x) = cos x mediante un polinomio
de cuarto grado y acotad el error cometido si |x| < 0,3.
3.3. Aproximad la funci ´ on f(x) =

1 +x en un entorno x = 0 mediante un polinomio
de tercer grado. Si 0 < x < 0,1, acotad el error cometido.
3.2. Evaluaci´ on aproximada de funciones
Imaginemos que queremos calcular sin(0,1) y no disponemos de calcula-
dora. Veamos la manera de utilizar la f ´ ormula de Taylor para obtener un
valor aproximado de sin(0,1).
Dado que 0,1 est´ a cerca de 0, utilizaremos el desarrollo limitado de Taylor
de la funci ´ on f(x) = sin x en el punto a = 0. Tendremos que calcular
algunas derivadas de f(x) y evaluarlas en x = 0.
f

(x) = cos x, f

(x) = −sin x, f

(x) = −cos x,
f

(0) = 1, f

(0) = 0, f

(0) = −1.
Ahora apuntamos el polinomio de Taylor de tercer grado de f(x) en el
punto a = 0:
P
3
(x) = f(0) +
f

(0)
1!
(x −0) +
f

(0)
2!
(x −0)
2
+
f

(0)
3!
(x −0)
3
=
= x −
x
3
3!
.
El teorema de Taylor nos indica que, si x est´ a cerca de 0, entonces:
sin x = x −
x
3
3!
+ R
3,0
(x) =
= x −
x
3
3!
+
x
4
4!
f
(iv)
(ξ), ξ ∈ (0, x) =
= x −
x
3
3!
+
x
4
4!
sin(ξ), ξ ∈ (0, x).

© FUOC • P01/75005/00102 41 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Evaluamos en x = 0,1 y obtenemos:
sin(0,1) = 0,1 −
(0,1)
3
3!
+
(0,1)
4
4!
sin(ξ), ξ ∈ (0, 0,1) =
= 0,099833333 +0,000004167sin(ξ), ξ ∈ (0, 0,1).
Si aproximamos sin(0,1) por 0,099833333, el error cometido en valor ab-
soluto est´ a acotado por:
|0,000004167sin(ξ)| ≤ 0,000004167,
ya que | sin(ξ)| ≤ 1.
Ejemplo 3.6.
Calculamos

e. Para hacerlo, escribimos

e de la forma e
1
2 y utilizamos el desarrollo
Comentario
Si quisi ´ eramos una
aproximaci ´ on m´ as esmerada,
s´ olo tendr´ıamos que
considerar polinomios de
Taylor de grado mayor.
limitado de Taylor de la funci ´ on e
x
en el punto a = 0. Veamos qu´ e nivel de precisi ´ on
obtenemos si utilizamos un polinomio de cuarto grado.
Ser´ an necesarias f

(0), f

(0), f

(0), f
(iv)
(0) y f
(v)
(x) para el t´ ermino complementario
del residuo de Lagrange.
f
(k)
(x) = e
x
∀k =⇒ f
(k)
(0) = 1 ∀k
e
x
= f(0) +
f

(0)
1!
(x −0) +
f

(0)
2!
(x −0)
2
+
f

(0)
3!
(x −0)
3
+
+
f
(iv)
(0)
4!
(x −0)
4
+
f
(v)
(ξ)
5!
(x −0)
5
=
= 1 +x +
x
2
2
+
x
3
6
+
x
4
24
+
x
5
120
e
ξ
, ξ ∈ (0, x).
Por lo tanto:

e = e
1
2 = 1 +
1
2
+
(
1
2
)
2
2
+
(
1
2
)
3
6
+
+
(
1
2
)
4
24
+
(
1
2
)
5
120
e
ξ
, ξ ∈ (0,
1
2
).

e = 1,6484375 +
e
ξ
3.840
, ξ ∈ (0,
1
2
).
Teniendo en cuenta que e
ξ
< 2 cuando ξ ∈ (0,
1
2
), si aproximamos

e por 1,6484375,
cometemos un error inferior a
2
3.840
= 0,00052083. En caso de que queramos un error
menor, tendremos que trabajar con un polinomio de Taylor de grado superior.
3.3. Ejercicios
3.4. Estableced una aproximaci ´ on de

1,3 con un error inferior a una mil´ esima.
3.5. Calculad el valor de cos(0,2) con un error menor que 10
−4
.
3.6. Queremos calcular
10

e con un error inferior a
1
2
10
−8
(la misma precisi ´ on que nos
proporcionar´ıa una calculadora con pantalla de ocho d´ıgitos), mediante el desarrollo de
Taylor de la funci ´ on e
x
en el punto a = 0. ¿De qu´ e grado, como m´ınimo, tendr´ a que
ser el polinomio de Taylor utilizado?

© FUOC • P01/75005/00102 42 Profundizaci ´ on en las t´ ecnicas del c´ alculo
3.4. Solucionario
3.1.
f(x) = e
x
⇒f(0) = 1, f

(x) = e
x
⇒f

(0) = 1,
f

(x) = e
x
⇒f

(0) = 1, f

(x) = e
x
⇒f

(θx) = e
θx
.
e
x
= 1 +
1
1!
x +
1
2!
x
2
+
e
θx
3!
x
3
⇒e
x
1 +
1
1!
x +
1
2!
x
2
,
con un error |R
2
(x)| =
¸
¸
e
θx
6
x
3
¸
¸

e
x
6
|x|
3
(0 < θ < 1).
3.2.
f(x) = cos x ⇒f(0) = 1, f

(x) = −sin x ⇒f

(0) = 0.
f

(x) = −cos x ⇒f

(0) = −1, f

(0) = sin x ⇒f

(0) = 0,
f
(iv)
(x) = cos x ⇒f
(iv)
(0) = 1, f
(v)
(x) = −sin x ⇒f
(v)
(θx) = −sin θx.
cos x = 1 +
0
1!
x −
1
2!
x
2
+
0
3!
x
3
+
1
4!
x
4
+
−sin θx
5!
x
5
1 −
x
2
2
+
x
4
24
.
|R
4
(x)| =
¸
¸
−sin θx
5!
x
5
¸
¸

|x|
5
120
(0 < θ < 1).
Para |x| < 0,3, tenemos |R
4
(x)| ≤
(0,3)
5
120
< 2,025 · 10
−5
.
3.3.
f(x) = (1 +x)
1
2 ⇒ f(0) = 1.
f

(x) =
1
2
(1 +x)
−1
2 ⇒ f

(0) =
1
2
.
f

(x) = −
1
4
(1 +x)
−3
2 ⇒ f

(0) = −
1
4
.
f

(x) =
3
8
(1 +x)
−5
2 ⇒ f

(0) =
3
8
.
f
(iv)
(x) = −
15
16
(1 +x)
−7
2 ⇒ f
(iv)
(θx) = −
15
16
(1 +θx)
−7
2 .

1 +x = 1 +
1
2
1!
x +
−1
4
2!
x
2
+
3
8
3!
x
3
+
−15
16
(1 +θx)
−7
2
4!
x
4

⇒ 1 +
1
2
x −
1
8
x
2
+
1
16
x
3
, con un error
|R
3
(x)| =
¸
¸
¸
−15
16
(1 +θx)
−7
2
4!
x
4
¸
¸
¸
=
5|x
4
|
128
_
(1 +θx)
7
.
Si 0 < x < 0,1 ⇒|R
3
(x)| ≤
5·(0,1)
4
128

(1+0)
7
< 4 · 10
−6
.
3.4. En el problema 3.3 hemos visto que:

1 +x = 1 +
1
2
x −
1
8
x
2
+
1
16
x
3
+R
3
(x),
|R
3
(x)| =
5|x|
4
128

(1+θx)
7
, θ ∈ (0, 1), x cercano a 0.
Si x = 0,3:

1 +x =
_
1,3 = 1 +
1
2
0,3 −
1
8
(0,3)
2
+
1
16
(0,3)
3
+R
3
(0,3) =
= 1,1404375 +R
3
(0,3).
Ahora bien:
|R
3
(0,3)| =
5(0,3)
4
128
_
(1 + 0,3θ)
7

5(0,3)
4
128
≈ 3 · 10
−4
< 10
−3
.
As´ı,

1,3 = 1,1404375 con un error inferior a una mil´ esima.
3.5. Vamos a utilizar un polinomio de Taylor asociado a f(x) = cos x en el punto a = 0.
Antes de empezar con los c´ alculos, determinaremos su grado ´ optimo, teniendo en cuenta
que queremos |R
n
(0,2)| < 10
−4
.
|R
n
(x)| =
|f
(n+1)
(ξ)|
(n + 1)!
|(x −a)
n+1
| ≤
|x
n+1
|
(n + 1)!
,
ya que |f
(n+1)
(ξ)| ≤ 1 ∀ξ, al tratarse siempre de un seno o un coseno.
|R
n
(0,2)| ≤
|(0,2)
n+1
|
(n + 1)!
= (n), cota del error.

© FUOC • P01/75005/00102 43 Profundizaci ´ on en las t´ ecnicas del c´ alculo
En principio, no es suficiente con escoger n = 2, porque (2) ≈ 1, 3 · 10
−3
.
En cambio, (3) ≈ 0, 6 · 10
−4
< 10
−4
.
As´ı pues, cos x ≈ 1 −
x
2
2
(observad el problema 3.2) y, por lo tanto:
Observad...
... que los polinomios de
Taylor de segundo grado y
de tercer grado en a = 0
coinciden en el caso de la
funci ´ on f(x) = cos x.
cos(0,2) ≈ 1 −
(0,2)
2
2
= 0,98,
con un error menor que 10
−4
.
3.6.
10

e = e
1
10 = e
0,1
.
Utilizaremos el desarrollo limitado de Taylor de f(x) = e
x
en a = 0.
|R
n
(x)| =
¸
¸
¸
¸
f
(n+1)
(ξ)
(n + 1)!
(x −a)
n+1
¸
¸
¸
¸
=
e
ξ
(n + 1)!
|x|
n+1
, ξ ∈ (0, x),
|R
n
(0,1)| =
e
ξ
(n + 1)!
(0,1)
n+1
<
2
(n + 1)!(10)
n+1
= (n),
ya que e
ξ
< 2 si ξ ∈ (0, 0,1).
Probaremos algunos valores de n:
(3) ≈ 0,8 · 10
−6
(4) ≈ 1,6 · 10
−7
(5) ≈ 0,3 · 10
−8
<
1
2
10
−8
Por tanto, necesitaremos un polinomio de quinto grado para obtener el valor de
10

e con un
error inferior a
1
2
10
−8
.

© FUOC • P01/75005/00102 44 Profundizaci ´ on en las t´ ecnicas del c´ alculo
4. Estudio local y representaci ´ on gr´ afica
de funciones
.
A lo largo de este apartado trabajaremos con funciones derivables, estudia-
remos su crecimiento, decrecimiento y los extremos relativos, mediante el
uso de la aproximaci ´ onpolin´ omica de Taylor. Veremos c´ omo encontrar los
intervalos de concavidad y convexidad, junto con los puntos de inflexi ´ on.
Por ´ ultimo, utilizaremos toda esta informaci ´ on para realizar un esbozo de
la gr´ afica de una funci ´ on.
4.1. Crecimiento y decrecimiento
Sea y = f(x) una funci ´ on derivable diversas veces en un entorno del punto
x = a.
.
Si la primera derivada no nula de y = f(x) en x = a es de orden
impar, f(x) es creciente o decreciente en x = a, en funci ´ on de si
esta derivada es positiva o negativa.
Lo comprobaremos con un caso particular.
Sea y = f(x) tal que f

(a) = f

(a) = 0 y f

(a) = 0. Entonces, de acuerdo
con la f ´ ormula de Taylor, tendremos:
f(a + h) = f(a) +
f

(a)
1!
h +
f

(a)
2!
h
2
+
f

(a)
3!
h
3
+ h
3
· (h) =
= f(a) +
f

(a)
3!
h
3
+ h
3
· (h).
Por lo tanto, ∆f = f(a + h) −f(a) = h
3
_
f

(a)
3!
+ (h)
_
.
Puesto que lim
h→0
(h) = 0, su valor es negligible frente a
f

(a)
3!
y, por lo tanto,
para |h| lo bastante pequeño, el signo de ∆f coincide con el de
h
3
f

(a)
3!
,
con lo que resulta:

© FUOC • P01/75005/00102 45 Profundizaci ´ on en las t´ ecnicas del c´ alculo
f

(a) > 0
h > 0
_
⇒h
3
·
f

(a)
3!
= (+) · (+) = (+) > 0 ⇒∆f > 0.
f

(a) > 0
h < 0
_
⇒h
3
·
f

(a)
3!
= (−) · (+) = (−) < 0 ⇒∆f < 0.
Esto implica que la funci ´ on ser´ a creciente en x = a.
f

(a) < 0
h > 0
_
⇒h
3
·
f

(a)
3!
= (+) · (−) = (−) < 0 ⇒∆f < 0.
f

(a) < 0
h < 0
_
⇒h
3
·
f

(a)
3!
= (−) · (−) = (+) > 0 ⇒∆f > 0.
Esto implica que la funci ´ on ser´ a decreciente en x = a.
La demostraci ´ on en el caso general es casi id´ entica.
En particular, obtenemos que:
.
f

(a) > 0 ⇒f es creciente en x = a.
f

(a) < 0 ⇒f es decreciente en x = a.
Ejemplo 4.1.
Estudiamos el crecimiento de la funci ´ on y = x
3
en el punto x = 0.
y = x
3
⇒ y

= 3x
2
⇒y

(0) = 0.
y

= 3x
2
⇒ y

= 6x ⇒y

(0) = 0.
y

= 6x ⇒ y

= 6 ⇒y

(0) = 6 > 0.
Dado que la primera derivada que no se anula en x = 0 es impar y positiva, tenemos que
esta funci ´ on es creciente en x = 0.
Observando que y

= 3x
2
> 0, ∀x = {0}, deducimos que esta funci ´ on es creciente en
todos los puntos de la recta real IR.
4.2. M´ aximos y mínimos relativos
Sea y = f(x) una funci ´ on derivable diversas veces en un entorno de x = a.
.
Si la primera derivada no nula de y = f(x) en x = a es de orden par,
f(x) tiene un extremo relativo (m´ aximo o m´ınimo) en x = a.
Lo comprobaremos con un caso particular.

© FUOC • P01/75005/00102 46 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Sea y = f(x) tal que f

(a) = f

(a) = f

(a) = 0 y f
(iv)
(a) = 0.
Entonces, de acuerdo con la f ´ ormula de Taylor, tendremos:
f(a + h) = f(a) +
f

(a)
1!
h +
f

(a)
2!
h
2
+
f

(a)
3!
h
3
+
f
(iv)
(a)
4!
h
4
+ h
4
· (h) =
= f(a) +
f
(iv)
(a)
4!
h
4
+ h
4
· (h).
Por lo tanto, ∆f = f(a + h) −f(a) = h
4
_
f
(iv)
(a)
4!
+ (h)
¸
.
Dado que lim
h→0
(h) = 0, su valor es negligible frente a
f
(iv)
(a)
4!
y, por
tanto, el signo de
_
f
(iv)
(a)
4!
+(h)
¸
coincide con el signo de f
(iv)
(a) si |h| es
lo bastante pequeño. De este modo, si f
(iv)
(a) > 0, tenemos:
f
(iv)
(a) > 0
h > 0
_
⇒h
4
·
f
(iv)
(a)
4!
= (+) · (+) = (+) > 0 ⇒∆f > 0.
f
(iv)
(a) > 0
h < 0
_
⇒h
4
·
f
(iv)
(a)
4!
= (+) · (+) = (+) > 0 ⇒∆f > 0.
Esto implica que la funci ´ ontiene unm´ınimo relativo enx = a, ya que tanto
por la izquierda como por la derecha f(a + h) > f(a). As´ı, si f
(iv)
(a) < 0,
tenemos:
f
(iv)
(a) < 0
h > 0
_
⇒h
4
·
f
(iv)
(a)
4!
= (+) · (−) = (−) < 0 ⇒∆f < 0.
f
(iv)
(a) < 0
h < 0
_
⇒h
4
·
f
(iv)
(a)
4!
= (+) · (−) = (−) < 0 ⇒∆f < 0.
Y esto implica que la funci ´ on tiene un m´ aximo relativo en x = a, debido a
que tanto por la izquierda como por la derecha f(a + h) < f(a).
La demostraci ´ on en el caso general es casi id´ entica.
En particular, obtenemos que:
.
f

(a) = 0, f

(a) > 0 ⇒f tiene un m´ınimo relativo en x = a.
f

(a) = 0, f

(a) < 0 ⇒f tiene un m´ aximo relativo en x = a.
Puede darse el caso de que f

(a) = 0 y que en x = a la funci ´ on no tenga ni
un m´ınimo ni un m´ aximo relativo, tal como se indica en el gr´ afico.

© FUOC • P01/75005/00102 47 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 4.2.
Estudiemos la funci ´ on y = x
2
en x = 0.
y = x
2
⇒ y

= 2x ⇒ y

(0) = 0.
y

= 2x ⇒ y

= 2 ⇒ y

(0) = 2 > 0.
Debido a que la primera derivada que no se anula es de orden par y positiva, deducimos
que en x = 0 hay un m´ınimo relativo que vale 0.
Ejemplo 4.3.
Estudiemos la funci ´ on y = sin x en x =
π
2
.
y = sin x ⇒ y

= cos x ⇒ y

_
π
2
_
= cos
π
2
= 0.
y

= cos x ⇒ y

= −sin x ⇒ y

_
π
2
_
= −sin
π
2
= −1 < 0.
La primera derivada que no se anula es de orden par y negativa, motivo por el cual
deducimos que en x =
π
2
hay un m´ aximo relativo que vale 1.
Ejemplo 4.4.
Estudiemos la funci ´ on y = x
4
en x = 0.
y = x
4
⇒ y

= 4x
3
⇒ y

(0) = 0.
y

= 4x
3
⇒ y

= 12x
2
⇒ y

(0) = 0.
y

= 12x
2
⇒ y

= 24x ⇒ y

(0) = 0.
y

= 24x ⇒ y
(iv)
= 24 ⇒ y
(iv)
(0) = 24 > 0.
Dado que la primera derivada que no se anula es de orden par y positiva, deducimos que
en x = 0 hay un m´ınimo relativo, que vale 0.
Ejemplo 4.5.
Estudiemos la funci ´ on y = sin
2
x en x = 0.
y = sin
2
x ⇒ y

= 2 sin x · cos x = sin2x ⇒ y

(0) = sin0 = 0.
y

= sin2x ⇒ y

= 2 cos 2x ⇒ y

(0) = 2 cos 0 = 2 > 0.
Dado que la primera derivada que no se anula es de orden par y positiva, deducimos que
en x = 0 hay un m´ınimo relativo, que vale 0.
4.3. Concavidad, convexidad y puntos de inflexi´ on
.
Observaci ´ on
Algunos autores entienden
por funci ´ on c´ oncava lo que
nosotros entendemos por
funci ´ on convexa, y viceversa.
Decimos que la funci ´ on y = f(x), derivable en x = a, es cóncava en
x = a si, y s´ olo si, la curva y = f(x) se encuentra por encima de la
recta tangente en un entorno del punto x = a.
Decimos que la funci ´ on y = f(x), derivable en x = a, es convexa
en x = a si, y s´ olo si, la curva y = f(x) est´ a por debajo de la recta
tangente en un entorno del punto x = a.
Asimismo, decimos que el punto es un punto de inflexi ´ on si en
dicho punto la curva pasa de c´ oncava a convexa o al rev´ es.

© FUOC • P01/75005/00102 48 Profundizaci ´ on en las t´ ecnicas del c´ alculo
De acuerdo con las definiciones anteriores, podemos enunciar la siguiente
propiedad:
.
Dada la funci ´ on y = f(x), derivable en varias ocasiones en un
entorno del punto x = a, si la primera derivada no nula posterior a
y

= f

(x) en x = a es de orden par, la funci ´ on es:
1) C´ oncava en x = a si f
(2k)
(a) > 0.
2) Convexa en x = a si f
(2k)
(a) < 0.
Si la primera derivada no nula en x = a, posterior a y

= f

(x), es
de orden impar, entonces la funci ´ on tiene un punto de inflexi ´ on en
x = a.
Lo comprobaremos en un caso particular.
Con y
c
designamos la ordenada de un punto de la curva y con y
t
, la
ordenada de un punto de la recta tangente a la curva en x = a.
Recordemos que la ecuaci ´ on de la recta tangente a la curva y = f(x) en
x = a es y
t
−f(a) = f

(a) · (x −a).
1) En primer lugar estudiaremos el caso f

(a) = 0 = f

(a), f
(iv)
(a) = 0.
Aplicando la f ´ ormula de Taylor tenemos:
y
c
= f(x) =
y
t
¸ .. ¸
f(a) + f

(a) · (x −a) +
f

(a)
2!
(x −a)
2
+
f

(a)
3!
(x −a)
3
+
+
f
(iv)
(a)
4!
(x −a)
4
+ (x −a)
4
· (x −a) =
= y
t
+
f
(iv)
(a)
4!
(x −a)
4
+ (x −a)
4
· (x −a).
Es decir, que y
c
−y
t
= (x−a)
4
·
_
f
(iv)
(a)
4!
+(x−a)
¸
. Dado que lim
x→a
(x−a) = 0,
su valor es negligible frente a
f
(iv)
(a)
4!
y, por lo tanto, para |x−a| lo bastante
pequeño, podemos considerar:
Si f
(iv)
(a) > 0, tenemos:
f
(iv)
(a) > 0
h > 0
_
⇒(x −a)
4
·
f
(iv)
(a)
4!
= (+) · (+) = (+) > 0
Esto nos indica que y
c
−y
t
> 0 y, por lo tanto, y
c
> y
t
.

© FUOC • P01/75005/00102 49 Profundizaci ´ on en las t´ ecnicas del c´ alculo
f
(iv)
(a) > 0
h < 0
_
⇒(x −a)
4
·
f
(iv)
(a)
4!
= (+) · (+) = (+) > 0
Esto nos indica que y
c
−y
t
> 0 y, por lo tanto, y
c
> y
t
.
Es decir, la curva estar´ a por encima de la tangente y, en consecuencia, la
curva ser´ a c´ oncava en x = a.
Igualmente, si f
(iv)
(a) < 0, tenemos:
f
(iv)
(a) < 0
h > 0
_
⇒(x −a)
4
·
f
(iv)
(a)
4!
= (+) · (−) = (−) < 0
Esto significa que y
c
−y
t
< 0 y, por lo tanto, y
c
> y
t
.
f
(iv)
(a) < 0
h < 0
_
⇒(x −a)
4
·
f
(iv)
(a)
4!
= (+) · (−) = (−) < 0
Esto significa que y
c
−y
t
< 0 y, por lo tanto, y
c
< y
t
.
Es decir, la curva estar´ a por debajo de la tangente y, por lo tanto, la curva
ser´ a convexa en x = a.
2) Ahora estudiaremos el caso f

(a) = 0 = f

(a) = f
(iv)
(a), f
(v)
(a) = 0.
Aplicando la f ´ ormula de Taylor tenemos:
y
c
= f(x) =
y
t
¸ .. ¸
f(a) + f

(a) · (x −a) +
f

(a)
2!
(x −a)
2
+
f

(a)
3!
(x −a)
3
+
+
f
(iv)
(a)
4!
(x −a)
4
+
f
(v)
(a)
5!
(x −a)
5
+ (x −a)
5
· (x −a) =
= y
t
+
f
(v)
(a)
5!
(x −a)
5
+ (x −a)
5
· (x −a).
Es decir, que y
c
−y
t
= (x−a)
5
·
_
f
(v)
(a)
5!
· (x−a)
¸
. Dado que lim
x→a
(x−a) = 0,
su valor es negligible frente a
f
(iv)
(a)
4!
y, por lo tanto, para |x−a| lo bastante
pequeño, podemos considerar:
Si f
(v)
(a) > 0, resulta:
f
(v)
(a) > 0
h > 0
_
⇒(x −a)
5
·
f
(v)
(a)
5!
= (+) · (+) = (+) > 0
Esto significa que y
c
−y
t
> 0 y, por lo tanto, y
c
> y
t
.
f
(v)
(a) > 0
h < 0
_
⇒(x −a)
5
·
f
(v)
(a)
5!
= (−) · (+) = (−) < 0
Esto quiere decir que y
c
−y
t
< 0 y, en consecuencia, y
c
< y
t
.
Por lo tanto, la recta tangente cruza la gr´ afica de f y esto implica que en
x = a nos encontramos con un punto de inflexi ´ on. Ocurre lo mismo si
f
(v)
(a) < 0 y, por lo tanto, tambi´ en hay un punto de inflexi ´ on.

© FUOC • P01/75005/00102 50 Profundizaci ´ on en las t´ ecnicas del c´ alculo
En resumen, contamos con los siguientes resultados:
.
Si f
(2k)
(a) es la primera derivada no nula posterior a la primera en
x = a, entonces:
Si f
(2k)
(a) > 0, la funci ´ on es c´ oncava en x = a.
Si f
(2k)
(a) < 0, la funci ´ on es convexa en x = a.
Si f
(2k+1)
(a) es la primera derivada no nula posterior a la primera
derivada en x = a, entonces la funci ´ on tiene un punto de inflexi ´ on
en x = a.
En particular, tenemos:
Si f

(a) > 0, entonces la curva es c´ oncava en x = a.
Si f

(a) < 0, entonces la curva es convexa en x = a.
Si f

(a) = 0 = f

(a), la curva tiene un punto de inflexi ´ on
en x = a.
Ejemplo 4.6.
Estudiemos la concavidad de la funci ´ on y = x
4
en x = 1.
y = x
4
⇒y

= 4x
3
⇒y

= 12x
2
⇒y

(1) = 12 > 0.
Por lo tanto, la curva es c´ oncava en este punto.
Ejemplo 4.7.
Estudiemos la concavidad de la funci ´ on y = cos x en x = 0.
y = cos x ⇒y

= −sin x ⇒y

= −cos x ⇒y

(0) = −cos(0) = −1 < 0.
Por tanto, la curva es convexa en este punto.
Ejemplo 4.8.
Estudiemos si en x = 0 la funci ´ on y = tan x tiene un punto de inflexi ´ on.
y = tan x ⇒y

=
1
cos
2
x
⇒y

=
−2 cos x(−sin x)
cos
4
x
=
2 sin x
cos
3
x
⇒y

(0) =
0
1
= 0.
y

=
2 cos xcos
3
x −3 cos
2
x(−sin x)(2 sin x)
cos
6
x
=
2 cos
2
x + 6 sin
2
x
cos
4
x

⇒y

(0) = 2 = 0.
Esto significa que en el punto x = 0 hay un punto de inflexi ´ on.

© FUOC • P01/75005/00102 51 Profundizaci ´ on en las t´ ecnicas del c´ alculo
4.4. Determinaci´ on de los puntos notables de una funci´ on
Un m´ etodo de determinaci ´ on de los puntos notables (extremos relativos
y puntos de inflexi ´ on) de una funci ´ on y = f(x) derivable varias veces es
este:
1) Calcular f(x) y f

(x).
2) Resolver la ecuaci ´ on f

(x) = 0. Si x
0
es una ra´ız o una soluci ´ on de esta
ecuaci ´ on, se calcula f

(x
0
) y resulta:
a) Si f

(x
0
) > 0, en este caso f alcanza un m´ınimo relativo f(x
0
) en x
0
.
b) Si f

(x
0
) < 0, entonces f alcanza un m´ aximo relativo f(x
0
) en x
0
.
3) Si f

(x
0
) = 0, se estudia la primera derivada no nula en x
0
, f
(n)
(x
0
) = 0.
a) n par:
• f
(n)
(x
0
) > 0 ⇒m´ınimo relativo f(x
0
) a x
0
.
• f
(n)
(x
0
) < 0 ⇒m´ aximo relativo f(x
0
) a x
0
.
b) n impar:
• f
(n)
(x
0
) = 0 ⇒ punto de inflexi ´ on en x
0
. Para x = x
0
, la tangente a
la curva es horizontal y no hay extremo relativo.
4) Resolver la ecuaci ´ on f

(x) = 0 para determinar otros posibles puntos
de inflexi ´ on, teniendo en cuenta que los puntos de inflexi ´ on no siempre
tienen que corresponder a puntos con primera derivada nula (recta tan-
gente en el punto de inflexi ´ on de pendiente cero).
Cuando nos encontramos con dificultades para obtener la segunda deriva-
da o cuando no es absolutamente necesaria para otras cuestiones, se puede
determinar si un punto x
0
, tal que f

(x
0
) = 0 es m´ aximo o m´ınimo relativo
mediante uno de los criterios que se presentan a continuaci ´ on:
1) Estudiar la variaci ´ on de f(x) es un entorno del punto x
0
. Es decir,
aplicar de manera directa la definici ´ on de extremo relativo. Calculamos
f = f(x
0
+ h) −f(x
0
) y, entonces:
a) Si ∆f ≥ 0 para |h| lo bastante pequeño, entonces tendremos que en
x
0
encontramos un m´ınimo relativo (estricto si ∆f > 0, h = 0).

© FUOC • P01/75005/00102 52 Profundizaci ´ on en las t´ ecnicas del c´ alculo
b) Si ∆f ≤ 0 para |h| lo bastante pequeño, entonces tendremos que en
x
0
hay un m´ aximo relativo (estricto si ∆f < 0, h = 0).
Ejemplo 4.9.
Calculamos los m´ aximos y los m´ınimos relativos de y = f(x) =
1
1−x
2
.
y =
1
1 −x
2
⇒y

=
2x
(1 −x
2
)
2
⇒y

= 0 ⇔2x = 0 ⇔x = 0.
En lugar de buscar la segunda derivada, estudiamos la variaci ´ on de esta funci ´ on en un
entorno del punto x = 0:
∆f = f(h) −f(0) =
1
1 −h
2
−1 =
h
2
1 −h
2
> 0 ∀h = 0, h ∈ (−1, 1).
As´ı, en x = 0 hay un m´ınimo relativo estricto.
2) Estudiar el signo de f

(x) en un entorno del punto x
0
. Si en un entorno
de x
0
tenemos que f

(x) ≥ 0 a la derecha de x
0
y f

(x) ≤ 0 a la izquierda de
x
0
, en x
0
hay un m´ınimo relativo. Si f

(x) ≤ 0 a la derecha de x
0
y f

(x) ≥ 0
a la izquierda de x
0
, en x
0
tenemos un m´ aximo relativo.
Si en todo el entorno mencionado alrededor de x
0
, f

(x) > 0 o bien
f

(x) < 0, entonces en x
0
no tenemos un extremo relativo.
Ejemplo 4.10.
Vamos a estudiar si la funci ´ on y = f(x) =
−cos x
1+cos x
tiene un m´ınimo relativo en x = 0.
y =
−cos x
1 + cos x
⇒y

=
(1 + cos x) sin x + cos x(−sin x)
(1 + cos x)
2
=
sin x
(1 + cos x)
2
.
y

= 0 ⇔
sin x
(1 + cos x)
2
= 0 ⇔sin x = 0 ⇔x = kπ (k ∈ ZZ).
En particular, en x = 0 puede haber un m´ aximo o un m´ınimo y, para determinarlo,
estudiaremos el signo de f

(x) en un entorno de este punto.
Con un h > 0 lo bastante pequeño, obtenemos:
f

(−h) =
sin(−h)
[1 + cos(−h)]
2
=
−sin(h)
[1 + cos(−h)]
2
=
(−)
(+)
= (−) < 0.
f

(h) =
sin(h)
[1 + cos(h)]
2
=
(+)
(+)
= (+) > 0.
Esto significa que la funci ´ on es decreciente a la izquierda de x = 0 y creciente a la derecha.
Por lo tanto, encontraremos un m´ınimo en este punto.
Ejemplo 4.11.
Efectuemos una determinaci ´ on de los m´ aximos, los m´ınimos y los puntos de inflexi ´ on
de estas dos funciones:
a) y = x
3
−3x + 3.
b) y =
1
3
x
6

4
5
x
5
+
1
2
x
4
+
1
4
.
a) y = x
3
−3x + 3 ⇒y

= 3x
2
−3 ⇒y

= 6x ⇒y

= 6.
y

= 0 ⇒3x
2
−3 = 0 ⇒x
2
= 1 ⇒x = ±1.

© FUOC • P01/75005/00102 53 Profundizaci ´ on en las t´ ecnicas del c´ alculo
y

(1) = 6 > 0 implica que hay un m´ınimo en x = 1.
y

(−1) = −6 < 0 implica que hay un m´ aximo en x = −1.
y

= 0 ⇒6x = 0 ⇒x = 0.
y

(0) = 6 = 0 implica que hay un punto de inflexi ´ on en x = 0.
b) y =
1
3
x
6

4
5
x
5
+
1
2
x
4
+
1
4
.
y

= 2x
5
−4x
4
+ 2x
3
.
y

= 10x
4
−16x
3
+ 6x
2
.
y

= 40x
3
−48x
2
+ 12x.
y
(iv)
= 120x
2
−96x + 12.
y

= 0 ⇒2x
5
−4x
4
+ 2x
3
= 0 ⇒2x
3
(x
2
−2x + 1) = 0 ⇒x = 0, x = 1.
De momento no podemos asegurar nada puesto que y

(0) = 0 y y

(1) = 0.
y

(1) = 4 = 0 implica que en el punto (1, f(1)) =
_
1,
17
60
_
se produce una inflexi ´ on.
y

(0) = 0, y
(iv)
(0) = 12 > 0 implican que en el punto
_
0,
1
4
_
hay un m´ınimo.
y

= 0 ⇒10x
4
−16x
3
+ 6x
2
= 2x
2
(5x
2
−8x + 3) = 0 ⇒x = 0, x = 1, x =
3
5
.
y

_
3
5
_
= 0 implica que en
_
3
5
,
16.759
62.500
_
hay un punto de inflexi ´ on.
Ejercicios
4.1. Determinad los m´ aximos, los m´ınimos y los puntos de inflexi ´ on de la funci ´ on
y = xe
x
.
4.2. Calculad los m´ aximos, los m´ınimos y los puntos de inflexi ´ onde la funci ´ ony =
x
1+x
2
.
4.5. Obtención de los extremos relativos de una función
El m´ etodo pr´ actico que hemos propuesto para determinar extremos relati-
vos de una funci ´ on f(x) hace referencia ´ unicamente a los valores x
0
de la
variable independiente x, para los cuales:
1) Existe la derivada f

(x).
2) Se cumple que f

(x) = 0.
Sin embargo, la funci ´ on f(x) puede tener un valor extremo en un punto
x
0
de su dominio donde no exista la derivada f

(x
0
).
Ejemplo 4.12.
La funci ´ on:
y = f(x) = |x| =
_
x si x ≥ 0
−x si x < 0
no es derivable en x
0
= 0 porque los l´ımites lim
h→0
+
f(h)
h
y lim
h→0

f(h)
h
no coinciden.
Sin embargo, es evidente que en x = 0 hay un extremo de la funci ´ on. As´ı, f(0) = 0 es
un m´ınimo relativo y absoluto.

© FUOC • P01/75005/00102 54 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 4.13.
La funci ´ on y =
3

x
2
tiene como funci ´ on derivada:
y

=
2x
3
3

x
4
=
2
3
3

x
(x = 0).
Ahora bien, y(x) no es derivable en x
0
= 0, puesto que:
y

(0) = lim
h→0
y(0 +h) −y(0)
h
= lim
h→0
h
2
3
h
= lim
h→0
h
−1
3 = ∞.
No obstante, en x = 0 hay un m´ınimo relativo y tambi´ en absoluto, ya que y(x) ≥ 0,
∀x ∈ IR.
Ejemplo 4.14.
Determinamos si la funci ´ on y = 1 −| sin x| tiene un extremo en el punto x = 0.
En un entorno de x = 0, podemos escribir:
y = 1 −| sin x| =
_
1 −sin x si x > 0
1 si x = 0
1 + sin x si x < 0
Esta funci ´ on no es derivable en x
0
= 0 ya que:
f

(0)
+
= lim
h→0
+
f(0 +h) −f(0)
h
= lim
h→0
+
f(h) −1
h
= lim
h→0
+
1 −sin(h) −1
h
=
= lim
h→0
+
−sin(h)
h
= −1.
f

(0)

= lim
h→0

f(0 +h) −f(0)
h
= lim
h→0

f(h) −1
h
= lim
h→0

1 + sin(h) −1
h
=
= lim
h→0

sin(h)
h
= 1.
Sin embargo, f

(x) > 0 a la izquierda de x = 0 y f

(x) < 0 a la derecha. De este modo, la
funci ´ on es creciente a la izquierda de x = 0 y decreciente a la derecha. Esto implica que
en el punto (0, 1) nos encontramos con un m´ aximo relativo.
En consecuencia, y de acuerdo con todo lo que se ha mostrado hasta el
Observación
La no-existencia de derivada
en un punto x
0
no significa
que tengamos
necesariamente un extremo
relativo en x
0
.
momento, para calcular los extremos relativos de una funci ´ on y = f(x),
cuando ya se ha calculado la derivada f

(x), es necesario proceder de la
siguiente forma:
!
1) Resolver la ecuaci ´ on f

(x) = 0 y comprobar si las ra´ıces corresponden a
un extremo.
2) Determinar los valores de x, del dominio de f(x), para los cuales no
existe la derivada f

(x), haciendo un estudio de la funci ´ on en un entorno
del punto encontrado y aplicando la definici ´ on de extremo relativo.
Ejemplo 4.15.
La funci ´ on y =
3

x ⇒ y

=
1
3
3

x
2
(x = 0), sin embargo, no es derivable en x
0
= 0, ya
que:
y

(0) = lim
h→0
y(0 +h) −y(0)
h
= lim
h→0
h
1
3
h
= lim
h→0
h
−2
3 = lim
h→0
1
h
2
3
= +∞.
En el punto (0, 0) no hay un extremo relativo. La tangente, en este punto, es vertical.

© FUOC • P01/75005/00102 55 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejercicios
4.3. Encontrad los extremos de la funci ´ on y =
3

x
3
−x
2
.
4.4. Encontrad los m´ aximos, los m´ınimos y los puntos de inflexi ´ on de la funci ´ on y =
= x(ln x)
2
.
4.6. Asíntotas de una funci´ on
Dada una funci ´ on y = f(x), si una de las variables puede alcanzar valores
tan grandes como queramos, y si cuando esta variable tiende a infinito los
puntos correspondientes de la funci ´ on se acercan de manera indefinida
a una determinada recta, decimos que esta recta es una asíntota de la
funci ´ on.
asíntota
Podemos encontrar tres tipos diferentes de as´ıntotas:
.
Asíntotas verticales
La recta x = a (a ∈ IR) es una as´ıntota vertical de la funci ´ on y = f(x)
si se verifica que lim
x→a
+
f(x) = ∞o lim
x→a

f(x) = ∞.
Se trata de una as´ıntota paralela al eje OY .
.
Asíntotas horizontales
La recta y = b (b ∈ IR) es una as´ıntota horizontal de la funci ´ on y =
= f(x) si se verifica que lim
x→+∞
f(x) = b o lim
x→−∞
f(x) = b.
Se trata de una as´ıntota paralela al eje OX.
Ejemplo 4.16.
Dada la funci ´ on y =
2x−3
x−1
:
lim
x→1
2x −3
x −1
= ∞⇒x = 1 es una asíntota vertical, ya que



lim
x→1
+
2x −3
x −1
= −∞
lim
x→1

2x −3
x −1
= +∞
lim
x→∞
2x −3
x −1
= 2 ⇒y = 2 es una asíntota horizontal, ya que



lim
x→+∞
2x −3
x −1
= 2
lim
x→−∞
2x −3
x −1
= 2

© FUOC • P01/75005/00102 56 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 4.17.
Si tenemos la funci ´ on y = f(x) = arctan x:
lim
x→+∞
arctan x =
π
2
⇒y =
π
2
es una asíntota horizontal.
lim
x→−∞
arctan x = −
π
2
⇒y = −
π
2
tambi´ en es una as´ıntota horizontal.
.
Asíntotas oblicuas
Son aquellas que no son verticales ni horizontales. Su ecuaci ´ on es
del tipo y = mx + n (m = 0).
Puesto que lim
x→∞
(mx+n) = ∞, deducimos que una condici ´ onnecesaria para
la existencia de as´ıntotas oblicuas es que lim
x→∞
f(x) = ∞. A continuaci ´ on
explicaremos c´ omo se pueden encontrar los coeficientes m y n.
Puesto que la curva y la as´ıntota se acercan de manera indefinida, se tendr´ a
que verificar que lim
x→∞
[f(x) −(mx + n)] = 0, as´ı lim
x→∞
[f(x) −mx] −n = 0. Es
decir, n = lim
x→∞
[f(x) −mx].
Dado que n es finito, entonces lim
x→∞
[f(x) − mx] = lim
x→∞
x ·
_
f(x)
x
− m
¸
es
finito, hecho que s´ olo podr´ a darse si lim
x→∞
_
f(x)
x
− m
¸
= 0. De aqu´ı se
deduce que m = lim
x→∞
f(x)
x
.
Tras observar la figura adjunta, tenemos que la recta y = mx determina la
direcci ´ on de una as´ıntota oblicua.
Es necesario estudiar los l´ımites anteriores cuando x −→ +∞ y cuando
x −→−∞, puesto que se pueden generar situaciones diferentes.

© FUOC • P01/75005/00102 57 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Por lo que respecta al c´ alculo de las as´ıntotas oblicuas, hay que tener en
cuenta que:
1) Es evidente que para calcular m se puede aplicar la regla de L’Hˆ opital:
m = lim
x→∞
f(x)
x
= lim
x→∞
f

(x).
2) Cualquier funci ´ on racional, f(x) =
a
n
x
n
+a
n−1
x
n−1
+...+a
0
b
m
x
m
+b
m−1
x
m−1
+...+b
0
, que verifica
que n = m + 1, tiene una as´ıntota oblicua; si n = m tiene una as´ıntota
horizontal y =
a
n
b
m
y si m > n tiene una as´ıntota horizontal y = 0.
Ejemplo 4.18.
Determinamos las as´ıntotas oblicuas de la funci ´ on y =
2x
2
x+1
.
m = lim
x→∞
y
x
= lim
x→∞
2x
2
x(x + 1)
= 2.
n = lim
x→∞
[y −2x] = lim
x→∞
_
2x
2
x + 1
−2x
¸
= lim
x→∞
−2x
x + 1
= −2.
Por lo tanto, y = 2x −2 es una as´ıntota oblicua.
Esta funci ´ on tambi´ en tiene una as´ıntota vertical:
lim
x→−1
2x
2
x + 1
= ∞⇒x = −1 es una asíntota vertical.
Atención
Si una funci ´ on tiene una
asíntota horizontal en un
sentido (x →+∞o
x →−∞) no puede tener
una asíntota oblicua en el
mismo sentido
4.7. Estudio de la gr´ afica de una funci´ on
Para obtener la representaci ´ on gr´ afica de una funci ´ on es necesario realizar
el estudio de las diferentes cuestiones que se han ido considerando hasta
el momento. Los pasos que hay que seguir son ´ estos:
1) Determinar el dominio.
2) Estudiar las posibles simetrías con respecto al eje OY (f(−x) = f(x)) y
con respecto al origen (f(−x) = −f(x)).
3) Estudiar la posible periodicidad y, en caso de que la funci ´ on sea peri ´ o-
Función periódica
Dada una función y = f(x),
diremos que es una funci ´ on
peri ´ odica de periodo T si, y
s´ olo si, f(x +T) = f(x),
donde T es el n´ umero
positivo que satisface esta
condici ´ on.
dica, calcular su periodo T.
4) Estudiar los puntos de discontinuidad (enestos puntos encontraremos
las posibles as´ıntotas verticales).
5) Estudiar la posible existencia de asíntotas y su posici ´ onrelativa respecto
de la curva.

© FUOC • P01/75005/00102 58 Profundizaci ´ on en las t´ ecnicas del c´ alculo
6) Obtener los puntos de corte con los ejes de coordenadas.
7) Obtener los puntos notables (m´ aximos, m´ınimos y puntos de inflexi ´ on).
8) Hacer una tabla resumen donde pueden figurar otros puntos conside-
rados necesarios para el estudio y la representaci ´ on gr´ afica de la funci ´ on.
Este cuadro no es imprescindible, pero es conveniente hacerlo.
Ejemplo 4.19.
Estudiemos la funci ´ on y = f(x) =
ln x
x
.
Dado que la funci ´ on logar´ıtmica s ´ olo existe para los n´ umeros positivos, tenemos que
Domf = (0, +∞).
El dominio no es sim´ etrico con respecto al origen, con lo que no puede haber simetr´ıas
ni con respecto del eje OY ni con respecto al origen.
La funci ´ on no es peri ´ odica.
Puntos de discontinuidad: x = 0. Si nos acercamos a este punto por la derecha:
lim
x→0
+
ln x
x
= −∞, por tanto, en x = 0 encontramos una discontinuidad con as´ıntota
vertical.
Posibles as´ıntotas:
x = 0: as´ıntota vertical a la derecha, ya que lim
x→0
+
ln x
x
= −∞.
y = 0: as´ıntota horizontal en el sentido x −→+∞, puesto que lim
x→+∞
ln x
x
= 0.
Al tener una as´ıntota horizontal para x −→+∞y al no ser posible x −→−∞, la funci ´ on
no tendr´ a as´ıntotas oblicuas. Puesto que
ln x
x
es positivo cuando x −→ +∞, la curva
estar´ a por encima de la as´ıntota horizontal.
Puntos de corte con los ejes:
La curva no corta el eje OY puesto que 0 ∈ Domf.
y = 0 ⇒
ln x
x
= 0 ⇒x = 1. El punto (1, 0) es de corte con el eje OX.
Puntos cr´ıticos:
y

=

1
x
−ln x
x
2
=
1−ln x
x
2
.
y

=
x
2
·
_
−1
x
_
−(1−ln x)·2x
x
4
=
2 ln x−3
x
3
.
y

= 0 ⇒
1−ln x
x
2
⇒ln x = 1 ⇒x = e ⇒y(e) =
1
e
.
Dado que y

(e) =
2 ln(e)−3
e
=
2−3
e
= −
1
e
< 0, hay un m´ aximo en el punto
_
e,
1
e
_
.
y

= 0 ⇒
2 ln x −3
x
3
= 0 ⇒2 ln x = 3 ⇒ln x =
3
2
⇒x = e
3
2 ⇒x =

e
3
.
x <

e
3
⇒ln x < ln(

e
3
) =
ln e
3
2
=
3
2
⇒2 ln x −3 < 0 ⇒y

(x) < 0.

e
3
< x ⇒ln(

e
3
) < ln x ⇒
3
2
< ln x ⇒2 ln x −3 > 0 ⇒y

(x) > 0.
Por lo tanto, la funci ´ on es convexa a la izquierda del punto x =

e
3
y c´ oncava a la
derecha.
Dado que y(

e
3
) =
3
2

e
3
, en el punto
_√
e
3
,
3
2

e
3
_
habr´ a una inflexi ´ on.
Tras haber realizado la tabla resumen de todo lo que hemos encontrado, podremos re-
presentarla gr´ aficamente.

© FUOC • P01/75005/00102 59 Profundizaci ´ on en las t´ ecnicas del c´ alculo
x 0 1 e e
3
y
No existe
0
y'
+ 0 -
Creciente Máximo Decreciente
y''
- - 0 +
Convexa P.I. Cóncava
͙ෆ
e
1
3
2͙ෆe
3
A.V.
Ejemplo 4.20.
Estudiamos la funci ´ on y = xe
x
.
1) El dominio de esta funci ´ on es todo el conjunto IR.
2) La funci ´ on no es sim´ etrica, puesto que y(−1) = −e
−1
= e = y(1), y(−1) = −e
−1
=
= −y(1).
3) La funci ´ on no es peri ´ odica.
4) Es continua al ser producto de un monomio por la funci ´ on exponencial.
5) Posibles as´ıntotas:
Debido a que no tiene puntos de discontinuidad, no hay as´ıntotas verticales.
lim
x→−∞
xe
x
= lim
x→−∞
x
e
−x
= lim
x→−∞
−1
e
−x
= − lim
x→−∞
e
x
= 0.
Por lo tanto, y = 0 es una as´ıntota horizontal hacia la izquierda del eje OX (x −→−∞)
y dado que xe
x
es negativo cuando x −→−∞, la curva se sit ´ ua por debajo de la as´ıntota
horizontal.
Dado que lim
x→+∞
xe
x
= +∞, existe la posibilidad de as´ıntota oblicua, pero puesto que
lim
x→+∞
xe
x
x
= +∞, no hay as´ıntota oblicua.
6) Puntos de corte con los ejes:
x = 0 ⇒y = 0 ⇒(0, 0) es el punto de corte con el eje OY.
y = 0 ⇒x = 0 ⇒(0, 0) es el punto de corte con el eje OX.
7) Puntos cr´ıticos:
y

= e
x
+xe
x
= (x + 1)e
x
.
y

= e
x
+ (1 +x)e
x
= (x + 2)e
x
.
y

= (x + 3)e
x
.
y

= 0 ⇒(x + 1)e
x
= 0 ⇒x + 1 = 0 ⇒x = −1; y(−1) = −
1
e
.
Puesto que y

(−1) = (−1 + 2)e
−1
=
1
e
> 0, as´ı en
_
−1,
1
e
_
hay un m´ınimo.
y

= 0 ⇒(x + 2)e
x
= 0 ⇒x + 2 = 0 ⇒x = −2; y(−2) = −
2
e
2
.
Puesto que y

(−2) = (−2 + 3)e
−2
= e
−2
= 0, entonces
_
− 2,
−2
e
2
_
es un punto de
inflexi ´ on.
8) Por ´ ultimo, haremos la tabla resumen:
x (-
ȍ
,-2) -2 (-2,-1) -1 (-1,0) 0 (0,+
ȍ
)
y
- - - 0 +
y'
- - - 0 + + +
Decrece Decrece Mínimo Crece Crece
Y''
- 0 + + + + +
Convexa P.I. Cóncava Cóncava Cóncava
e
2
-2
e
-1

© FUOC • P01/75005/00102 60 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 4.21.
Estudiemos la funci ´ on y =
x
3
x
2
−1
.
1) x
2
−1 = 0 ⇒x = ±1 ⇒Domf = IR −{−1, 1}.
2) Puesto que f(−x) =
(−x
3
)
(−x
2
)−1
=
−x
3
x
2
−1
= −f(x), ∀x ∈ Domf, la funci ´ on es impar y,
en consecuencia, sim´ etrica con respecto al origen de coordenadas.
3) La funci ´ on no es peri ´ odica.
4) Los puntos de discontinuidad son x = −1 y x = 1.
lim
x→−1
x
3
x
2
−1
= ∞implica que en x = −1 hay una discontinuidad con as´ıntota vertical.
lim
x→+1
x
3
x
2
−1
= ∞implica que en x = +1 hay una discontinuidad con as´ıntota vertical.
Observamos que en x = +1, se pod´ıa prever por la simetr´ıa de la funci ´ on.
5) Posibles as´ıntotas:
lim
x→−1
x
3
x
2
−1
= ∞
_
lim
x→−1

x
3
x
2
−1
= −∞ y lim
x→−1
+
x
3
x
2
−1
= +∞
_
.
Por tanto, x = −1 es una as´ıntota vertical.
Por simetr´ıa, x = +1 es tambi´ en una as´ıntota vertical.
lim
x→∞
x
3
x
2
−1
= ∞⇒no hay as´ıntotas horizontales.
A continuaci ´ on vamos a determinar las posibles as´ıntotas oblicuas:
m = lim
x→∞
f(x)
x
= lim
x→∞
x
3
x(x
2
−1)
= 1.
n = lim
x→∞
(y −mx) = lim
x→∞
_
x
3
x
2
−1
−x
¸
= lim
x→∞
x
3
−x
3
+x
x
2
−1
= lim
x→∞
x
x
2
−1
= 0.
As´ı pues, llegamos a la conclusi ´ on de que y = x es una as´ıntota oblicua.
6) Puntos de corte con los ejes:
x = 0 ⇒y = 0 ⇒(0, 0) es un punto de corte con el eje OY .
y = 0 ⇒x = 0 ⇒(0, 0) es un punto de corte con el eje OX.
7) Puntos cr´ıticos:
y

=
3x
2
(x
2
−1) −x
3
· 2x
(x
2
−1)
2
=
3x
4
−3x
2
−2x
4
(x
2
−1)
2
=
x
4
−3x
2
(x
2
−1)
2
.
y

=
(4x
3
−6x)(x
2
−1)
2
−2(x
2
−1)2x(x
4
−3x
2
)
(x
2
−1)
4
=
=
4x
5
−4x
3
−6x
3
+ 6x −4x
5
+ 12x
3
(x
2
−1)
3
=
2x
3
+ 6x
(x
2
−1)
3
.
y

= 0 ⇒x
2
(x
2
−3) = 0 ⇒x = 0, x = −

3, x = +

3.
y

(−

3) =
−12

3
8
< 0 implica que en x = −

3 tenemos un m´ aximo. El valor de la
segunda derivada eneste punto es y

(−

3) =
−3

3
2
y, por lo tanto, el punto
_


3,
3

3
2
_
es un m´ aximo relativo de esta funci ´ on.
Por simetr´ıa tenemos que en el punto
_√
3,
3

3
2
_
hay un m´ınimo relativo.
y

(0) = 0 implica que este punto es dudoso.
y

= 0 ⇒
2x(x
2
+ 3)
(x
2
−1)
3
= 0 ⇒x = 0.

© FUOC • P01/75005/00102 61 Profundizaci ´ on en las t´ ecnicas del c´ alculo
−1 < x < 0 ⇒
x
2
−1 < 0
2x(x
2
+ 3) < 0
_

2x(x
2
+ 3)
(x
2
−1)
3
> 0 ⇒y

(x) > 0.
Por simetr´ıa encontramos que 0 < x < 1 ⇒ y

(x) < 0. As´ı, la funci ´ on es c´ oncava a la
-1 1
izquierda de x = 0 y convexa a la derecha, con lo cual, en x = 0 tenemos un punto de
inflexi ´ on de tangente horizontal.
8) Teniendo en cuenta la simetr´ıa, s´ olo tendremos que representar media tabla:
x (-
ȍ
,- 3) - 3 (- 3, -1) -1 (-1,0) 0
y
- - No existe + 0
y'
+ 0 - - 0
Crece Máximo Decrece No existe Decrece
Y''
- - - + 0
Convexa No existe Cóncava P.I.
͙ෆ
2
-3͙ෆ3
͙ෆ ͙ෆ
4.8. Ejercicios
4.5. Encontrad las as´ıntotas de la funci ´ on y =

x
2
−1 y determinad su posici ´ on.
4.6. Encontrad las as´ıntotas de la curva y =
x
4
+8
x
3
+1
y determinad su posici ´ on.
4.7. Estudiad y realizad la representaci ´ on gr´ afica de la funci ´ on y =
1
sin x+cos x
.
4.9. Solucionario
4.1. y = xe
x
, y

= xe
x
+e
x
= (x + 1)e
x
.
y

= (x + 1)e
x
+e
x
= (x + 2)e
x
, y

= (x + 2)e
x
+e
x
= (x + 3)e
x
.
y

= 0 ⇒(x + 1)e
x
= 0 ⇒x + 1 = 0 ⇒x = −1.
y

(−1) = e
−1
=
1
e
> 0 implica que en el punto
_
−1, −
1
e
_
hay un m´ınimo.
y

= 0 ⇒(x + 2)e
x
= 0 ⇒x + 2 = 0 ⇒x = −2.
y

(−2) = e
−2
= 0 implica que en el punto (−2, −2e
−2
) hay un punto de inflexi ´ on.
4.2. y =
x
1 +x
2
⇒y

=
(1 +x
2
) −x · 2x
(1 +x
2
)
2
=
1 −x
2
(1 +x
2
)
2
.
Esta derivada existe en todo IR y, por lo tanto, para encontrar los extremos de la funci ´ on s´ olo
tendremos que calcular los puntos que la anulan.
y

= 0 ⇒1 −x
2
= 0 ⇒x = ±1.
Ya que 0 < x < 1 ⇒y

(x) > 0 y 1 < x ⇒y

(x) < 0, deducimos que en x = 1 hay un m´ aximo
relativo.
Puesto que −1 < x < 0 ⇒ y

(x) > 0 y x < −1 ⇒ y

(x) < 0, deducimos que en x = −1
tendremos un m´ınimo relativo.
El siguiente paso ser´ a buscar los puntos de inflexi ´ on:
y

=
1 −x
2
(1 +x
2
)
2
⇒y

=
2x(x
2
−3)
(1 +x
2
)
3
.
Esta funci ´ on existe en todos los puntos y se anula en x = 0, −

3, +

3.


3 < x < 0 ⇒ y

(x) > 0 y 0 < x <

3 ⇒ y

(x) < 0, es decir, la funci ´ on es c´ oncava a la
izquierda de x = 0 y convexa a la derecha, lo cual significa que en este punto tenemos un
punto de inflexi ´ on.

© FUOC • P01/75005/00102 62 Profundizaci ´ on en las t´ ecnicas del c´ alculo

3 < x ⇒y

(x) > 0 y 0 < x <

3 ⇒y

(x) < 0, es decir, la funci ´ on es c´ oncava a la derecha
de x =

3 y convexa a la izquierda, lo cual significa que en x =

3 tambi´ en hay un punto
de inflexi ´ on.
x < −

3 ⇒ y

(x) < 0 y −

3 < x < 0 ⇒ y

(x) > 0, es decir, la funci ´ on es c´ oncava a la
derecha de x = −

3 y convexa a la izquierda, lo que significa que en x = −

3 encontraremos
otro punto de inflexi ´ on.
4.3. Derivando tenemos:
y

=
3x
2
−2x
3
3
_
(x
3
−x
2
)
2
=
3x
2
−2x
3
3
_
x
4
(x −1)
2
=
x
_
x −
2
3
_
x
3
_
x(x −1)
2
(x = 0, x = 1).
Para calcular f

(0) lo haremos utilizando la definici ´ on de derivada.
f

(0) = lim
h→0
f(0 +h) −f(0)
h
= lim
h→0
3

h
3
−h
2
h
= lim
h→0
3
_
h
3
−h
2
h
3
=
= lim
h→0
3
_
1 −
1
h
=
_
−∞ si h > 0
+∞ si h < 0
Por lo tanto, la funci ´ on (que es continua para todo x de IR) tiene una tangente vertical en
x = 0. Por otra parte, se verifica que si x →0

, entonces f

(x) =
(−)
(−)
= (+) > 0; y si x →0
+
,
entonces tenemos que f

(x) =
(−)
(+)
= (−) < 0.
´
Esto indica que la funci ´ on es creciente a la izquierda de x = 0 y decreciente a la derecha. De
todo lo que se ha dicho hasta ahora, la conclusi ´ on es que en x = 0 hay un m´ aximo relativo.
En x = 1 tenemos que lim
h→1

f

(x) = +∞y lim
h→1
+
f

(x) = +∞. Puesto que, como podemos
ver, no se produce un cambio de signo, no puede haber ni m´ aximo ni m´ınimo (en realidad,
hay unpuntode inflexi ´ onde tangente vertical). Ahora pasaremos a estudiar el comportamiento
de la funci ´ on en los puntos donde y

(x) = 0.
y

=
x(x −
2
3
)
3
_
x(x −1)
2
= 0 ⇒x =
2
3
.
Tenemos que y

(x) > 0, ∀x >
2
3
y que y

(x) < 0 para 0 < x <
2
3
.
Por lo tanto, en x =
2
3
hay un m´ınimo relativo.
4.4. y = x(ln x)
2
⇒y

= (ln x)
2
+x · 2 · ln x ·
1
x
= (ln x)
2
+ 2 ln x = (2 + ln x) ln x.
y

= 0 ⇒(2 + ln x) ln x = 0 ⇒
_
ln x = 0 ⇒x = 1
ln x = −2 ⇒x = e
−2
Sabemos que ln x > 0, ∀x > 1 y que 0 < x < 1 ⇒ ln x < 0, lo cual implica que y

(x) >
0, ∀x > 1 y que y

(x) < 0 si e
−2
< x < 1. Por lo tanto, en x = 1 tenemos un m´ınimo relativo,
ya que la funci ´ on es decreciente a la izquierda y creciente a la derecha.
y

= (2 + ln x) ln x ⇒y

= (2 + ln x) ·
1
x
+
1
x
· ln x =
2
x
(1 + ln x).
y

(e
−2
) =
2
e
−2
(1 + ln e
−2
) =
2
e
−2
(1 −2) = −
2
e
−2
= −2e
−2
< 0.
As´ı, en el punto x = e
−2
habr´ a un m´ aximo relativo.
y

= 0 ⇒
2
x
(1 + ln x) = 0 ⇒1 + ln x = 0 ⇒ln x = −1 ⇒x = e
−1
.
x > e
−1
⇒ln x > ln(e
−1
) = −1 ⇒1 + ln x > 1 −1 = 0 ⇒y

(x) > 0.
0 < x < e
−1
⇒ln x < ln(e
−1
) = −1 ⇒1 + ln x < 1 −1 = 0 ⇒y

(x) < 0.
De aqu´ı podemos extraer que la funci ´ on es c´ oncava a la derecha de x = e
−1
y convexa a la
izquierda. Por lo tanto, en el punto x = e
−1
habr´ a una inflexi ´ on.
4.5. Podemos escribir y =

x
2
−1 =
_
x
2
_
1 −
1
x
2
_
= |x| ·
_
1 −
1
x
2
_1
2
.
Si x →+∞tenemos |x| = x y, por lo tanto:
m = lim
x→+∞
f(x)
x
= lim
x→+∞
_
1 −
1
x
2
_1
2
= 1, n = lim
x→+∞
(f(x) −x) = 0.

© FUOC • P01/75005/00102 63 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Esto significa que la recta y = +x es una as´ıntota oblicua de la funci ´ on y =

x
2
−1 cuando
x →+∞. La curva sigue su trayectoria por debajo de la as´ıntota.
Si x →−∞, tenemos |x| = −x y, en consecuencia:
m = lim
x→−∞
f(x)
x
= lim
x→−∞

_
1 −
1
x
2
_1
2
= −1,
n = lim
x→−∞
(f(x) +x) = 0.
Esto significa que la recta y = −x es una as´ıntota oblicua de la funci ´ on y =

x
2
−1 cuando
x → −∞. La curva va por debajo de la as´ıntota. Este caso tambi´ en se deduce de la simetr´ıa
de la funci ´ on con respecto al eje OY.
4.6. Si resolvemos la ecuaci ´ on x
3
+ 1 = 0, obtenemos la soluci ´ on real x = −1. Por otro
lado, tenemos que lim
x→−1
+
x
4
+ 8
x
3
+ 1
= +∞, ya que en este caso se verifica que x
3
+ 1 → 0
+
y
el numerador siempre es positivo. Tambi´ en se corrobora que lim
x→−1

x
4
+ 8
x
3
+ 1
= −∞, puesto
que en este caso x
3
+1 →0

y el numerador siempre es positivo. De este modo, la recta
x = −1 es una as´ıntota vertical.
Puesto que se trata de una funci ´ on racional donde el grado del numerador supera el grado
del denominador en una unidad, tendremos una as´ıntota oblicua.
m = lim
x→∞
x
4
+ 8
x(x
3
+ 1)
= 1,
n = lim
x→∞
_
x
4
+ 8
x
3
+ 1
−x
_
= lim
x→∞
−x + 8
x
3
+ 1
= 0.
Por lo tanto, la recta y = x es una as´ıntota oblicua de esta funci ´ on. La curva pasa por debajo
de la as´ıntota para |x| suficientemente grande.
4.7. Esta funci ´ on existe en todos los puntos que no anulan el denominador. Tras resolver
la ecuaci ´ on trigonom´ etrica sin x + cos x = 0, obtenemos x =

4
+ kπ, lo cual implica que
Domf = = IR −
_

4
+kπ
_
k∈ZZ
.
Esta funci ´ on no tiene simetr´ıas debido a que no es par ni impar.
f(−x) =
1
sin(−x) + cos(−x)
=
1
cos x −sin x
= ±f(x).
Es peri ´ odica, de periodo T = 2π, lo cual implica que no puede haber as´ıntotas horizontales
ni oblicuas. A continuaci ´ on buscaremos las as´ıntotas verticales en el intervalo [0, 2]. En este
intervalo, el denominador se anula en los puntos x
1
=

4
y x
2
=

4
+ π =

4
. Se verifica
que:
lim
x→
_

4
_

f(x) = +∞, lim
x→
_

4
_
+
f(x) = −∞,
lim
x→
_

4
_

f(x) = −∞ y lim
x→
_

4
_
+
f(x) = +∞.
Por lo tanto, las rectas x =

4
y x =

4
son as´ıntotas verticales.
Dado que f(0) =
1
sin(0)+cos(0)
=
1
0+1
= 1, esta curva corta el eje de ordenadas en el punto
(0, 1). No corta el eje de abscisas porque la ecuaci ´ on f(x) = 0 no tiene soluci ´ on.
Derivando obtenemos y

=
sin x−cos x
(sin x+cos x)
2
y y

=
3−sin 2x
(sin x+cos x)
3
.
y

= 0 ⇔
sin x −cos x
(sin x + cos x)
2
= 0 ⇔sin x = cos x ⇒
_
x =
π
4
x =

4
Como que y

_
π
4
_
=
3−sin
π
2
sin
π
4
+cos
π
4
=
3−1

2
2
+

2
2
=

2 > 0, entonces hallamos un m´ınimo
relativo en el punto
_
π
4
,

2
2
_
.
Y, debido a que y

_

4
_
=
3−sin

2
sin

4
+cos

4
=
3−1


2
2


2
2
= −

2 < 0, entonces tendremos un
m´ aximo relativo en el punto
_

4
, −

2
2
_
.

© FUOC • P01/75005/00102 64 Profundizaci ´ on en las t´ ecnicas del c´ alculo
La segunda derivada no se anula nunca: la ecuaci ´ on 3 − sin2x = 0 no tiene soluci ´ on,
ya que el seno toma los valores entre −1 y 1, con lo cual no hay puntos de inflexi ´ on.
Ahora estudiaremos el signo de la segunda derivada, hecho que nos permitir´ a encontrar
los intervalos de concavidad y convexidad.
Puesto que 3 −sin2x > 0, ∀x, s´ olo tendremos que estudiar el signo del denominador. Dedu-
cimos que y

> 0 cuando sin x + cos x > 0 y y

< 0 cuando sin x + cos x < 0. Es decir, que
el signo de la segunda derivada coincide con el signo de la funci ´ on.
Observad la tabla resumen que presentamos a continuaci ´ on:
[
0 ,
π
4
)
π
4
(
π
4
,

4
)

4
(

4
,

4
)

4
(

4
,

4
)

4
(

4
, 2π
)
+
2
2
+
No ex.
− −
2
2

No ex.
+

Dec.
0
Mín.
+
Crec. No ex.
+
Crec.
0
Máx.

Dec. No ex.

Dec.
+ +
Cónc.
+
No ex.
− −
Conv.

No ex.
+
Cónc.
y
y'
y''
x
√ √

© FUOC • P01/75005/00102 65 Profundizaci ´ on en las t´ ecnicas del c´ alculo
5. Problemas de optimizaci´ on
.
En este apartado veremos cu´ ales son las estrategias que hay que seguir para
resolver problemas de optimizaci ´ on en una sola variable independiente.
Nuestro objetivo ser´ a estudiar aquellos problemas en los que se trata de
maximizar o minimizar funciones dadas, posiblemente bajo condiciones
adicionales.
Como paso previo aclararemos qu´ e significan las palabras que hemos des-
tacado en el p´ arrafo anterior.
Optimizar una funci ´ on o resolver un problema de optimizaci ´ on quiere
decir encontrar el valor de la variable independiente que hace que la varia-
ble dependiente tome el valor m´ aximo (o m´ınimo, en funci ´ on del caso).
En el primer caso maximizaremos la funci ´ on objetivo y en el segundo, la
minimizaremos.
´
Esta es la terminolog´ıa que ten´ eis que conocer.
Hasta ahora hemos procurado analizar los extremos locales de las funcio-
nes, los puntos que destacan con respecto a los de su alrededor, aqu´ ellos en
los que el valor de la funci ´ ones mayor o menor que todos los de su entorno.
Sin embargo, muy a menudo maximizar quiere decir simplemente buscar
el punto que otorga valor m´ aximo a la funci ´ on, sin limitarse a los casos
especiales anteriores.
Antes de entrar en materia tenemos que saber algo de nomenclatura, la
cual se expone en el siguiente apartado.
5.1. Intervalos y entornos
Ya sabemos qu´ e es un intervalo abierto y un intervalo cerrado, una se-
mirrecta abierta o cerrada, as´ı como el significado de notaciones como por
ejemplo (−∞, b] o [a, ∞).
La noci ´ on de conjunto abierto engloba la de intervalo abierto y la de se-
mirrecta abierta.

© FUOC • P01/75005/00102 66 Profundizaci ´ on en las t´ ecnicas del c´ alculo
.
Un conjunto abierto es aquel que, para cualquier punto que le
pertenezca, existe un intervalo abierto que contiene el punto y que
se incluye en el conjunto.
Los conjuntos abiertos de IR son intervalos abiertos, semirrectas abiertas o
uniones de varios conjuntos de este tipo.
Ejemplo 5.1.
A continuaci ´ on, os presentamos algunos conjuntos abiertos en IR: (1, 3,5), (−2, ∞),
(−5,25, 0) ∪(2, 89,34), (−∞, 5) ∪(15, ∞), (−4,1, −3,6) ∪(−3, 2,5) ∪(3, 5) ∪(7,5, ∞), etc.
.
Unentorno de unpunto x
0
de la recta es cualquier conjunto abierto
que contiene el punto.
A pesar de que ´ esta es la definici ´ on que se suele dar, cuando tenemos
en cuenta el entorno de un punto lo hacemos pensando en un intervalo
pequeño y, por lo general, centrado en el punto, es decir, un conjunto del
tipo (x
0
− r, x
0
+ r), donde r es un n´ umero pequeño. Esta definici ´ on de
entorno nos es ´ util para tratar de lo que ocurre cerca del punto.
.
Un conjunto cerrado es aqu´ el cuyo complementario est´ a abierto, es
decir, aqu´ el en el que, dado cualquier punto que no le pertenezca,
se puede encontrar un intervalo abierto alrededor del punto que no
interseca el conjunto. Dicho de otro modo, un conjunto es cerrado
si su complementario es abierto.
Los conjuntos cerrados en IR son intervalos cerrados, puntos aislados o
semirrectas cerradas, o son la uni ´ on de dos o m´ as de estos conjuntos.
Ejemplo 5.2.
A continuaci ´ on, vamos a presentar algunos conjuntos cerrados en IR: [1, 3,5], [−2, ∞),
[−5,25, 0] ∪ [2, 89,34], (−∞, 5] ∪ [15, ∞), [−4,1, −3,6] ∪ [−3, 2,5] ∪ [3, 5] ∪ [7,5, ∞),
etc.
Existen conjuntos que no son cerrados ni abiertos; por ejemplo, los intervalos como
(−2, 3]; en el caso de los conjuntos que son abiertos y cerrados a la vez, s ´ olo tenemos el
conjunto vac´ıo y todo IR.
.

© FUOC • P01/75005/00102 67 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Un conjunto est´ a acotado superiormente si tiene alguna cota
superior, es decir, un n´ umero que sea mayor o igual que todos los
elementos del conjunto.
Un conjunto est´ a acotado inferiormente si tiene alguna cota
inferior, es decir, un n´ umero que sea menor o igual que todos los
elementos del conjunto.
Se dice que el conjunto est´ a acotado si lo est´ a tanto superior como
inferiormente.
Un subconjunto de IR es compacto si es cerrado y se encuentra
acotado.
Los conjuntos compactos enIRser´ an, enconsecuencia, intervalos cerrados,
puntos aislados o uniones de estos puntos; aunque puede haber otros un
poco m´ as sofisticados:
Ejemplo 5.3.
Consideremos el conjunto U = {1,
1
2
,
1
3
. . .} = {
1
n
: n ∈ IN}. No es un conjunto abierto,
puesto que para ninguno de sus puntos es posible incluir el punto dentro de un entorno
que se contenga por completo en U. Por otra parte, tampoco es un conjunto cerrado, ya
que el punto 0, que no pertenece al conjunto, no se puede rodear de ning´ un entorno que
no corte al conjunto. Ahora bien, si tomamos el punto 0 en el conjunto inicial, es decir,
si consideramos V = U ∪ {0}, entonces tenemos un conjunto que s´ı ser´ a cerrado.
5.2. El teorema de Weierstrass
En el m´ odulo “Las ideas b´ asicas del c´ alculo”, ya pudimos ver el teorema de
Weierstrass, que nos aseguraba que una funci ´ on continua en un intervalo
cerrado llega a su valor m´ aximo en alguno de los puntos de un intervalo.
De hecho, el teorema de Weierstrass lo asegura para una funci ´ on continua
en un conjunto compacto. Esto nos facilitar´ a en gran medida la tarea de
b´ usqueda del punto donde se encuentra el m´ aximo: o est´ a en el interior o
enlos extremos del intervalo, lo cual aporta una seguridad que no podemos
tener cuando trabajamos con conjuntos no compactos, esto es, que no son
cerrados o que no son acotados.
Ejemplo 5.4.
Un ejemplo de una funci ´ on continua en su dominio U, con U abierto y acotado, que
no tiene valor m´ aximo es f(x) =
1

x(1−x)
, que se define en el intervalo abierto (0, 1).
Cuando x se acerca a los extremos del intervalo, f(x) toma valores cada vez mayores,
tiende a +∞. Esto quiere decir que si tuvi´ esemos que resolver el problema de encontrar

© FUOC • P01/75005/00102 68 Profundizaci ´ on en las t´ ecnicas del c´ alculo
el punto que hace m´ axima la funci ´ on, la respuesta acertada ser´ıa: el problema carece de
soluci ´ on.
Ejemplo 5.5.
Una funci ´ on continua en su dominio U, con U no acotado, que no tiene valor m´ aximo
es, por ejemplo, la funci ´ on y =

x, definida en [0, ∞) y que cuando x → ∞ tambi´ en
tiende a ∞.
Por lo tanto, si el conjunto de trabajo no es compacto, tendremos que ser
muy cuidadosos. M´ as adelante volveremos a este concepto.
5.3. El caso de funciones derivables
Por lo general, la funci ´ on que tenemos que maximizar es derivable, hecho
que facilitar´ a en gran medida nuestra tarea.
.
Maximizar una funci ´ on derivable en un compacto
1) Buscar los puntos donde la derivada de la funci ´ on se anula
(candidatos a m´ aximos relativos) y, en caso de que los haya, evaluar
la funci ´ on.
2) Evaluar la funci ´ on en los extremos del conjunto.
3) Seleccionar, entre todos los anteriores, el punto que nos ha dado
valor m´ aximo.
Sabemos a ciencia cierta que el m´ aximo existe y, por tanto, o est´ a en el
interior y es un m´ aximo local, o est´ a en uno de los dos extremos.
Resulta obvio que para minimizar seguiremos el mismo proceso, pero en
esta ocasi ´ on buscaremos el valor m´ as pequeño.
Ejemplo 5.6.
Si tenemos que encontrar el valor m´ aximo y el punto al que se llega de la funci ´ on
y = 2x
3
− 9x
2
+ 12x en el intervalo [0, 3], en primer lugar buscaremos los m´ aximos
locales y encontraremos x = 1 con f(1) = 5. En los extremos tenemos f(0) = 0 y
f(3) = 9. As´ı, este ´ ultimo es el m´ aximo absoluto de la funci ´ on en el intervalo dado.
Observad que un conjunto compacto no tiene que ser ´ unicamente un
intervalo, ya que tambi´ en puede ser la uni ´ on de varios intervalos cerrados.
En este caso, ser´ a necesario que realicemos la operaci ´ on anterior en cada
uno de los tramos o intervalos cerrados.

© FUOC • P01/75005/00102 69 Profundizaci ´ on en las t´ ecnicas del c´ alculo
En cambio, si tenemos que maximizar (o minimizar) una funci ´ on derivable
en un conjunto no compacto, la estrategia que hay que seguir ser´ a un poco
m´ as complicada:
1) En primer lugar analizaremos los extremos abiertos del conjunto. Si
vemos que la funci ´ on se dirige hacia ∞, ya hemos terminado: el problema
no tiene soluci ´ on.
2) Si algunode los extremos noexiste, debidoa que se trata de una semirrecta,
si cuando x se aleja en aquella direcci ´ on la funci ´ on tiende a ∞, entonces
ya ha hemos acabado: el problema no tiene soluci ´ on. Si, por otra parte, la
funci ´ on permanece acotada, los m´ aximos que pueda haber ser´ an locales.
Tambi´ en podemos encontrarnos con que la funci ´ on crezca hacia un valor
superior a todos los valores de la funci ´ on, sin alcanzarlo nunca. En este
caso, de nuevo, el problema de maximizaci ´ on carece de soluci ´ on.
3) Despu´ es buscamos el valor de la funci ´ on en los extremos cerrados y en
los m´ aximos locales, si es que existen.
4) Al final, podremos afirmar si existe o no un valor m´ aximo.
Ejemplo 5.7.
Con el fin de encontrar los extremos globales de la funci ´ on f(x) = x
2
e
x
, destacamos, en
primer lugar, que su dominio es todo IR. As´ı, tendremos que analizar qu´ e le ocurre a f
cuando x →∞y cuando x →−∞. En el primer caso, f(x) →∞, hecho que muestra que
la funci ´ on no tiene m´ aximo absoluto. En cambio, cuando x →−∞, f(x) →0. Por otro
lado, ya vimos que la funci ´ on posee un ´ unico m´ınimo local en x = 0, donde f(0) = 0, y
puesto que f(x) > 0 para todo x = 0, queda claro que x = 0 es el m´ınimo absoluto de la
funci ´ on.
Observad, sin embargo, que un caso muy sencillo como puede ser f(x) = e
x
nos muestra
que por la izquierda podemos encontrar una funci ´ on siempre decreciente, acotada, es
decir, que no tiende −∞y que no tiene valor m´ınimo, puesto que en ning´ un punto llega
a valer cero.
Para encontrar los m´ aximos globales, un programa de dibujo de gr´ aficas puede ser de
gran ayuda; no obstante, y como ya hemos apuntado en otras ocasiones, hay que ir con
pies de plomo, ya que alguna de las limitaciones del programa nos puede engañar.
5.4. Optimizaci´ on restringida
En muchos problemas aplicados en los que se trata de maximizar una
funci ´ on, va a ser el mismo problema el que se encargue de imponer una
serie de restricciones.
En el caso de funciones de una sola variable, las restricciones ser´ an del tipo
x ≥ a o a ≥ x ≥ b o las variantes resultantes de cambiar el signo ≥ por

© FUOC • P01/75005/00102 70 Profundizaci ´ on en las t´ ecnicas del c´ alculo
los signos >, <, ≤. En todos los casos, el conjunto factible o conjunto
de posibles soluciones ser´ a o un intervalo o una semirrecta o uniones de
varios conjuntos de estos tipos. Esto significa que las estrategias que hemos
analizado hasta el momento continuar´ an siendo v´ alidas. En los ejemplos
de aplicaci ´ on del apartado siguiente volveremos a hablar de todo esto.
Ejemplo 5.8.
Minimicemosla funci ´ on f(x) =
1

x(1−x)
para 0,5 < x < 1. La funci ´ on s´ olo se define en
Punto crítico
El punto cr´ıtico de una
funci ´ on derivable f es un
punto c tal que f

(c) = 0.
el intervalo (0, 1), y su derivada es
x−0,5

(x(1−x))
3
, es decir, que x = 0,5 es un punto cr´ıtico
y en ´ el la derivada cambia de negativa a positiva, de manera que es un m´ınimo relativo o
local. De 0,5 a 1, la derivada siempre es positiva, la funci ´ on crece. Por lo tanto, x = 0,5 es
el m´ınimo absoluto de la funci ´ on en el tramo solicitado. As´ı pues, x =0,5 es la soluci ´ on.
Sin embargo, hay que tener bien presente que lo que queremos es determinar el m´ınimo
en el intervalo 0,5 < x < 1 y la soluci ´ on que damos se encuentra fuera de la restricci ´ on.
¿Hay alg´ un valor de x dentro de (0,5, 1) que d´ e f(x) lo menor posible? La respuesta es
no; cuanto m´ as cerca estemos de 0,5, menor es f(x), pero no lo podemos alcanzar.
Ejercicios
5.1. Determinad los extremos globales de la funci ´ on:
f(x) =
x
x
2
+ 3x + 3
.
5.2. Determinad los extremos de la funci ´ on f(x) =
x
x
2
+1
con la restricci ´ on 0 ≤ x ≤ 2.
Dentro del conjunto factible, ¿la funci ´ on es c´ oncava o convexa? Utilizad este hecho en
vuestros razonamientos.
5.3. La funci ´ on f(x) es continua en [a, b] pero existe un punto a
1
∈ (a, b) donde no es
derivable. Queremos encontrar el valor m´ aximo de f(x) y conocer para qu´ e valor de x se
obtiene este valor. Explicad cu´ al es la estrategia correcta para resolver el problema.
5.4. Calculad los extremos absolutos de la funci ´ on f(x) = x
2
, en el intervalo [−1, 2].
5.5. Calculad los extremos absolutos de la funci ´ on f(x) =
2
3
x −
3

x
2
, en el intervalo
[−1, 1].
5.5. Pasos que se deben seguir en un problema de optimizaci´ on
1) Comprender el problema: tanto si el problema se origina en un enun-
ciado formulado como ejercicio, como si se trata de una soluci ´ on real, es
evidente que hay que empezar por un an´ alisis detallado de la situaci ´ on y
de los elementos que intervienen en ´ esta.
2) Identificar la magnitud que hay que optimizar: ¿qu´ e es exactamente
lo que queremos maximizar (o minimizar)? ¿Qu´ e unidades de medida
tiene (si es que las tiene)? A partir de ahora, la magnitud que se tiene que
optimizar es la variable dependiente.
3) Identificar la variable independiente: enprimer lugar, ¿de qu´ e depende
la variable dependiente? Prescindiendo de detalles sin importancia, ¿po-

© FUOC • P01/75005/00102 71 Profundizaci ´ on en las t´ ecnicas del c´ alculo
demos identificar la variable independiente que controla el valor de la
magnitud que es necesario optimizar? A menudo, los protagonistas de la
situaci ´ on pueden controlar la variable independiente y quieren saber qu´ e
valor debe tener para que la variable dependiente alcance el valor ´ optimo.
Por este motivo, se denomina variable de control.
4) Escribir la relaci ´ on funcional que se establece entre las variables iden-
tificadas. Necesitamos una expresi ´ on tan sencilla como sea posible, del
tipo y = f(x), que responda al enunciado del problema. Llamamos a la
funci ´ on que hay que optimizar funci ´ on objetivo.
5) Identificar las restricciones que por lo general encontramos en el pro-
blema, que nos indicanque la soluci ´ onpertenecer´ a a unconjuntoconocido
como conjunto factible.
6) Enunciar el problema matem´ aticamente y resolverlo siguiendo las
t´ ecnicas que hemos visto en los ´ ultimos apartados y que practicaremos en
los ejercicios que veremos a continuaci ´ on.
5.6. Ejemplos resueltos
Se dispone de L metros de tela met´ alica para construir una valla, uno de
cuyos lados se puede hacer aprovechando un muro que ya tenemos. ¿Cu´ al
es la m´ axima superficie que se podr´ a cerrar?
En este primer ejemplo, marcaremos claramente cada uno de los pasos que Comprender el problema

Identificar la magnitud que hay que optimizar

Identificar la variable independiente

Escribir la relaci ´ on funcional

Identificar las restricciones

Enunciar el problema matem´ aticamente y resolverlo
debemos seguir.
1) Comprender el problema: en el problema nos encontramos con varias
formas de construir la valla. Puede ser cuadrada de lado
L
3
, y tambi´ enpuede
ser rectangular conel lado paralelo al muro muy largo o al rev´ es, muy corto.
En cualquier caso, cada una de estas posibilidades encierra una superficie
diferente.
a
b
c

© FUOC • P01/75005/00102 72 Profundizaci ´ on en las t´ ecnicas del c´ alculo
2) Identificar la magnitud que tenemos que optimizar: la magnitud
que tenemos que optimizar es la superficie del cercado S. Si la longitud de
la tela viene dada en metros, mediremos la superficie en metros cuadrados.
3) Identificar la variable independente: podemos utilizar para este fin
diferentes variables como variables independientes o de control. Por ejem-
plo, podemos tomar como variable independiente la longitud del lado de
la valla perpendicular al muro o la longitud de muro que utilizamos para
nuestro cercado, u otras medidas. En cualquier caso, la variable de control
x es tal que para cada valor que tomamos de x podemos calcular c´ omo
ser´ a la valla correspondiente y, por tanto, cu´ al ser´ a el valor de la magnitud
objetivo del problema (S).
4) Escribir la relaci ´ on funcional: si tomamos x igual a la longitud de
muro que utilizamos para completar la valla, S depender´ a de x seg´ un la
relaci ´ on:
S(x) =
x(L −x)
2
,
ya que un lado del rect´ angulo es x y el otro, L −x dividido por dos.
5) Identificar las restricciones: las restricciones en este caso est´ an claras:
0 < x < L, puesto que la longitud del lado paralelo al muro no puede ser 0
ni negativa y tampoco puede ser igual a L ni superior.
6) Enunciar el problema matem´ aticamente y resolverlo: con todo esto,
la formulaci ´ on del problema de optimizaci ´ on ser´ a:
maximizar S(x) =
x(L−x)
2
respecto de x
sujeto a 0 < x < L.
´
Esta es una manera muy habitual de expresar unproblema de optimizaci ´ on:
se menciona con claridad cu´ al es la funci ´ on objetivo, la variable de control
y el conjunto factible.
Llegados a este punto, s´ olo nos queda por resolver el problema, aunque
en numerosas ocasiones ´ esta es la parte m´ as f´ acil. La funci ´ on objeto es
una par´ abola con un m´ aximo situado en x =
L
2
, que seguro ser´ eis capaces
de determinar. Debido a que este m´ınimo de la par´ abola pertenece al
conjunto factible, ya hemos acabado: la soluci ´ on es tomar
L
2
metros como
lado paralelo al muro, de manera que los otros lados tendr´ an una longitud
de
L
4
y la superficie cerrada ser´ a de
L
2
8
metros cuadrados.

© FUOC • P01/75005/00102 73 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 5.9.
Los autom´ oviles circulan por un punto de una carretera con una separaci ´ on unos de otros
que depende de su velocidad de circulaci ´ on, determinada por d(v) = 0,01+
_
v
30
_
2
, donde
v, es la velocidad en kil ´ ometros por hora y d(v) es la separaci ´ on en metros (la distancia
d(v) incluye la longitud del coche). Nos interesa saber cu´ al es la velocidad que permite
el paso del m´ aximo n´ umero de veh´ıculos por hora.
1) Comprender el problema.
En caso de que los veh´ıculos circulen con lentitud, aunque est´ en muy juntos, ser´ an pocos
los que pueden pasar en una hora. Si van muy r´ apido, la separaci ´ on es tan grande que
tampoco pueden pasar muchos en una hora.
2) Identificar la magnitud que tenemos que optimizar.
Se trata de maximizar el n´ umero de autom´ oviles n que pasan en una hora.
3) Identificar la variable independiente.
La magnitud objetivo, es decir, el n´ umero de coches por hora, depende de su velocidad
de circulaci ´ on. La velocidad v es la encargada de controlar el problema, la inc´ ognita que
debemos encontrar.
4) Escribir la relaci ´ on funcional.
El n´ umero de autom´ oviles por hora ser´ a igual a la distancia que recorren los coches en
una hora dividida por la separaci ´ on entre dos veh´ıculos consecutivos: n(v) =
v
d(v)
es el
n´ umero de coches que pueden pasar a v kil ´ ometros por hora y d(v) = 0,01 +
_
v
30
_
2
es la
distancia entre dos coches que circulan a una velocidad v.
5) Identificar las restricciones.
En este caso, la ´ unica restricci ´ on encontrada es v ≥ 0.
6) Enunciar el problema matem´ aticamente y resolverlo.
maximizar n(v) =
v
0,01 +
_
v
30
_
2
respecto a v
sujeto a v ≥ 0.
Cuando v = 0 tenemos n(0) = 0. As´ı, para todo v > 0, n(v) > 0. La derivada se puede
escribir:
n

(v) =
−(v + 3)(v −3)
900
_
0, 01 +
v
2
900
_
2
,
cosa que nos indica que el ´ unico punto cr´ıtico dentro del conjunto factible es v = 3, y
tambi´ en nos dir´ a que la derivada cambia de positiva a negativa en v = 3, es decir, es un
m´ınimo relativo o local. Para finalizar, tambi´ en nos indicar´ a que para v > 3, la derivada
es negativa y, por lo tanto, la funci ´ on es decreciente. Dicho de otra manera, v = 3 tiene
que ser el m´ aximo absoluto o global en [3, ∞).
Soluci ´ on: a una velocidad de 3 kil ´ ometros por hora pasan el m´ aximo n´ umero de coches
por hora, es decir, 150 autom´ oviles por hora.
Ejemplo 5.10.
La curva de demanda de un determinado bien es Q(p) = 2.000− 0,5p, donde p es el precio
unitario en pesetas y Q(p) es el n´ umero de unidades. ¿Qu´ e precio dar´ıa una facturaci ´ on
m´ axima?
Resoluci ´ on breve: se trata de maximizar la facturaci ´ on o el total de ingresos:
F(p) = p(2.000 −0,5p)
con respecto a p, sujeto a p > 0. El m´ aximo de la par´ abola es para p = 2.000, y dado que
esto se encuentra dentro del conjunto factible y la funci ´ on es c´ oncava, ser´ a el m´ aximo
global.

© FUOC • P01/75005/00102 74 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejemplo 5.11.
Hay que producir 8.000 unidades de un producto con el m´ınimo coste. Para hacerlo, se
utilizanm´ aquinas cuya producci ´ ones de 50 unidades cada hora. Poner enfuncionamiento
cada m´ aquina cuesta 40.000 pesetas y, mientras est´ antrabajando, cada m´ aquina consume
3.000 pesetas cada hora. Asimismo, existen unos gastos de mantenimiento de la f´ abrica
de 5.000 pesetas por hora. ¿Cu´ antas m´ aquinas tenemos que utilizar en el trabajo?
Resoluci ´ on: tenemos que minimizar el coste total C(n) con respecto al n´ umero de m´ a-
quinas n con la restricci ´ on n ≥ 1. El coste es la suma del coste de la puesta en marcha,
que ser´ a de 40.000n m´ as el coste de funcionamiento, que ser´ a de 3.000 por el n´ umero de
m´ aquinas n y por el n´ umero de horas necesarias:
8.000
50n
m´ as el coste de mantenimiento,
que es de 5.000 por el n´ umero de horas. La derivada (consideramos la variable n real) se
puede escribir:
C

(n) = 40.000
n
2
−20
n
2
,
con lo cual no cabe duda de que los costes son decrecientes para 1 < n ≤

20 mientras
que ser´ an crecientes para n ≥

20. Por lo tanto, n = 4,47 ser´ a nuestra soluci ´ on.
Todav´ıa hay una restricci ´ on m´ as que no hemos tenido en cuenta hasta ahora: n tiene
que ser un n´ umero entero, tiene que haber 4 ´ o 5 m´ aquinas. Calculamos C(4) y C(5)
y resultan ser id´ enticos; es decir, desde el punto de vista del coste de producci ´ on no
podemos decidir, da lo mismo si son 4 ´ o 5.
5.7. Ejercicios
5.6. Al lado de una autopista se tiene que construir un ´ area de servicio rectangular de 5.000
metros cuadrados. El coste de la valla es de 200.000 pesetas el metro lineal en el lado que
toca con la autopista, y de 500.000 pesetas el metro lineal en los otros tres lados. ¿Qu´ e
dimensiones minimizar´ an el coste de la valla?
5.7. La construcci ´ onde unedificio de oficinas de npisos tiene uncoste de C(n) = n
2
+50n+60
millones de pesetas. ¿Cu´ al es el n´ umero de plantas que minimiza el coste por planta?
5.8. Un fabricante necesita 20 piezas diarias para su proceso de fabricaci ´ on. Se las encarga a
Una pista
Tomad como variable
independiente x, el n´ umero
de d´ıas entre env´ıo y env´ıo.
Pensad que, si esto es as´ı, la
media de tiempo que una
pieza permanecer´ a en el
almac´ en ser´ a de
x
2
d´ıas.
un proveedor, siendo el coste de cada pieza de 5.000 pesetas. Cada env´ıo tiene un coste fijo
de 20.000 pesetas, m´ as 100 pesetas por pieza. Adem´ as, ha calculado que el almacenamiento
de las piezas le cuesta 50 pesetas por d´ıa y pieza. Suponiendo que el tiempo de espera entre
el pedido y el env´ıo es cero, ¿en qu´ e intervalo de tiempo tendr´ a que efectuarse el pedido para
minimizar costes?
5.9. Determinad las medidas de un bote de lata cil´ındrico de volumen V de manera que el
coste de la lata sea m´ınimo.
5.8. Solucionario
5.1. La derivada de la funci ´ on es
−x
2
+3
(x
2
+3x+3)
2
=
−(x−

3)(x+

3)
(x
2
+3x+3)
2
, que se anula para x = ±

3.
Si analizamos el signo de la derivada, es f´ acil deducir que para x = −

3 la funci ´ on tiene un
m´ınimo relativo, y para x =

3 tiene un m´ aximo relativo. Con un an´ alisis detallado del
signo de la derivada, del signo de la funci ´ on y de los l´ımites de la funci ´ on cuando x se aleja,
se puede deducir que los extremos encontrados tambi´ en son extremos absolutos.
5.2. La funci ´ on presenta un ´ unico extremo local dentro del conjunto factible para x = 1, que
es un m´ aximo con f(1) = 0,5. En los extremos del intervalo, la funci ´ on vale 0 y 0,4. Por
tanto, x = 1 es el m´ aximo absoluto y x = 0 es el m´ınimo absoluto con las restricciones dadas.
5.3. El hecho de que la funci ´ on sea continua en un intervalo cerrado nos asegura que el
problema tiene soluci ´ on. Encontraremos el m´ aximo, bien en alguno de los extremos, bien
en el punto a
1
(donde la funci ´ on toma una forma de punta), o bien ser´ a un m´ aximo local.
5.4.
f(−1) = 1, f(2) = 4.
y = f(x) = x
2
⇒f

(x) = 2x y, por lo tanto, la funci ´ on es derivable ∀x ∈ [−1, 2].
f

(x) = 0 ⇒2x = 0 ⇒x = 0 ∈ (−1, 2), f(0) = 0.

© FUOC • P01/75005/00102 75 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Por lo tanto, en x = 0 se alcanza el m´ınimo absoluto y su valor es f(0) = 0 y en x = 2 se
alcanza el m´ aximo absoluto y su valor es f(2) = 4.
5.5.
y =
2
3
x −
3

x
2
⇒y

=
2
3

2x
3
3

x
4
=
2
3

2
3
3

x
(x = 0).
f(−1) = −
2
3
−1 = −
5
3
.
f(1) =
2
3
−1 = −
1
3
.
f

(x) = 0 ⇒
2
3

2
3
3

x
= 0 ⇒
3

x = 1 ⇒x = 1 ⇒y = −
1
3
.
f no es derivable en x = 0 y f(0) = 0.
As´ı, en x = 0 tenemos un m´ aximo absoluto y su valor es f(0) = 0, y en x = −1 encontramos
el m´ınimo absoluto y su valor es f(−1) = −
5
3
.
5.6. Tenemos que minimizar el coste de la valla, que se compone de dos partes: el coste de
la valla que separa el ´ area de servicio de la autopista, y el coste de la valla con el exterior.
La variable independiente, con la que podemos “jugar” para variar los costes, puede ser la
longitud del lado que est´ a en contacto con la autopista; llam´ emosla x. El otro lado del
rect´ angulo tendr´ a que ser
5.000
x
, puesto que la superficie se encuentra fijada. El coste total
ser´ a:
C(x) = 200.000x + 500.000
_
x + 2
_
5.000
x
__
= 100.000
_
7x +
50.000
x
_
.
Tenemos que minimizar esta funci ´ on objetivo respecto de x con esta ´ unica restricci ´ on: x > 0.
La derivada se puede escribir:
C

(x) = 100.000
7x
2
−50.000
x
2
= 700.000
x
2

50.000
7
x
2
.
Esto nos muestra que para x <
_
50.000
7
, la funci ´ on C(x) es decreciente y es creciente para
x >
_
50.000
7
. As´ı pues, tenemos el m´ınimo global en x =40,82, con lo que el otro lado ser´ a
de 1.224,89 metros.
5.7. Hay que minimizar M(n) =
C(n)
n
con respecto a n, sujeto a n ≥ 1. Tenemos M(n) =
= n + 50 +
60
n
y su derivada se puede escribir:
M

(n) = 1 −
60
n
2
=
n
2
−60
n
2
,
y volvemos a tener un caso claro de m´ınimo local que tambi´ en es m´ınimo absoluto dentro del
conjunto factible. La soluci ´ on es, pues, n =

60 ≈ 7, 75. Si queremos satisfacer la restricci ´ on
que establece que n debe ser un entero, ya que es el n´ umero de plantas, calcularemos M(7) y
M(8) y concluiremos que el m´ınimo coste por planta se obtiene cuando se edifican 8 plantas.
5.8. Tomamos x igual al n´ umero de d´ıas entre pedido y pedido. El coste de las piezas tiene
tres componentes: el coste de compra, el de transporte y el de almac´ en. El coste de compra
de una pieza no depende de x, es 5.000 pesetas. El coste de transporte de las 20x piezas que
se tendr´ an que pedir ser´ a de 20.000 + 2.000x, y repercutir´ a en
20.000+2.000x
20x
por cada pieza.
Y, por ´ ultimo el coste de almacenamiento ser´ a de
50x
2
por pieza. Por lo tanto, el coste total
por pieza ser´ a:
C(x) = 5.000 +
1.000
x
+ 100 + 25x = 5.100 + 25x +
1.000
x
,
que resulta f´ acil de minimizar: la soluci ´ on es x = 6,32.
5.9. El coste de la lata ser´ a m´ınimo si la superficie del bote es m´ınima. La superficie del bote es
la suma del ´ area de ambas bases y del ´ area lateral del cilindro. Es decir, S(r, h) = 2πr
2
+2πrh.
Teniendo encuenta que el volumendel bote es fijo y que el volumendel cilindro es V = πr
2
h,
entonces h =
V
πr
2
. Si sustituimos h en la funci ´ on superficie queda:
S(r) = 2πr
2
+ 2πr
V
πr
2
= 2πr
2
+
2V
r
,

© FUOC • P01/75005/00102 76 Profundizaci ´ on en las t´ ecnicas del c´ alculo
y derivando: S

(r) = 4πr −
2V
r
2
S

= 0 ⇒4πr −
2V
r
2
= 0 ⇒4πr =
2V
r
2
⇒r
3
=
2V

⇒r =
3
_
V

.
Para comprobar que este valor de r da un extremo, calculamos la segunda derivada:
S

(r) = 4π +
4rV
r
4
= 4π +
4V
r
3
> 0 ∀r > 0.
As´ı, corresponde a un m´ınimo de la superficie S.
h =
V
πr
2
=
V
π
3
_
V
2

2
=
3
¸
V
3
π
3
V
2

2
=
3
_
4V
π
=
3
_
8V

= 2
3
_
V

= 2r.
Es decir, h = 2r.

© FUOC • P01/75005/00102 77 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Ejercicios de autoevaluación
1. Calculad los siguientes l´ımites:
a) lim
x→0
e
6x
−e
3x
sin(3x) −sin x
.
b) lim
x→1
xln x
x
2
−1
.
c) lim
x→+∞
x

x
2
+ 1 −

x −1
.
2. ¿Existe alg´ un valor de k tal que las funciones f(n) y g(n) tengan el mismo orden de
magnitud?
a) f(n) = ln
_
n
2
−1
n
2
+1
_
, g(n) = n
k
.
b) f(n) =
n
_
(2n)!
n!
, g(n) = n
k
.
3. Considerad la ecuaci ´ on f(x) = x
3
−x −1 = 0.
a) Demostrad que tiene una soluci ´ on α en el intervalo (1, 2).
b) ¿Cu´ antas iteraciones son necesarias, si utilizamos el m´ etodo de bisecci ´ on, para obtener
una aproximaci ´ on de α con tres cifras decimales exactas? Aportad tambi´ en la soluci ´ on
aproximada.
4. Queremos utilizar el m´ etodo de Newton para resolver la ecuaci ´ on f(x) = x
3
+ 2x
2
+
+10x −20 = 0, empezando a iterar a partir de x
0
= 1.
a) ¿Qu´ e f ´ ormula recurrente hay que utilizar?
b) Aportad una soluci ´ on aproximada α de la ecuaci ´ on con siete cifras decimales exactas, y
determinad cu´ antas iteraciones han sido necesarias para encontrarla.
5. Queremos utilizar el m´ etodo Newton para calcular
3

2.
a) ¿Qu´ e funci ´ on podemos usar?
b) ¿Qu´ e f ´ ormula recurrente obtenemos?
c) Si empezamos con x
0
= 1, estableced una soluci ´ on aproximada α de la ecuaci ´ on con
siete cifras decimales exactas.
6. Determinad la ecuaci ´ on de la par´ abola que mejor aproxima de manera gr´ afica la curva de
ecuaci ´ on y = e
x
(ln(x + 1)), cerca del punto (0, 0).
7. Dada la funci ´ on x
3
−2x + sin x:
a) Calculad el polinomio de Taylor de tercer grado, P
3
(x), de f(x) en a = 0.
b) Estableced una cota de error = |f(x) −P
3
(x)|, v´ alida para todo x ∈ (0, 1).
8. Considerad la funci ´ on f(x) = ln(x + 1).
a) Encontrad una expresi ´ on de f
(n)
(0) en funci ´ on de n.
b) Calculad el grado del polinomio de Taylor de f(x) en a = 0, de manera que el error
cometido al aproximar la funci ´ on por el polinomio, en el intervalo (0, 1), sea menor que
una mil´ esima.
9. Encontrad los extremos relativos, los puntos de inflexi ´ on y las as´ıntotas de las siguientes
funciones:
a) f(x) =
x
3
(x + 1)
2
.
b) g(x) = (x −1)
4
x
3
.
c) h(x) =
e
x
1+x
.
10. Calculad los extremos relativos y los puntos de inflexi ´ on de f(x) = 10x
6
−24x
5
+15x
4
+2.
11. Calculad los extremos absolutos en el intervalo [0, 1] de las siguientes funciones:
a) f(x) =
1 −x +x
2
1 +x −x
2
.
b) g(x) = arctan
1 −x
1 +x
.

© FUOC • P01/75005/00102 78 Profundizaci ´ on en las t´ ecnicas del c´ alculo
12. Considerad el arco de la par´ abola C = {y = x
2
, x ∈ [−2, 2]}. Calculad los puntos de C a
distancia m´ axima y m´ınima del punto P = (0, 1).
13. Un cami ´ on tiene que recorrer 500 kil ´ ometros a una velocidad constante v (en km/h),
dentro de los l´ımites permitidos por la ley (50 ≤ v ≤ 90). El litro de gasolina cuesta 100
pesetas, y el consumo del cami ´ on en l/h es 10 +
v
2
100
. El conductor cobra 1.025 pesetas por
hora. Con todos estos datos, determinad la velocidad m´ as econ´ omica y el coste del viaje
correspondiente.

© FUOC • P01/75005/00102 79 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Solucionario
Ejercicios de autoevaluaci´ on
1. a)
3
2
, b)
1
2
, c) 1.
2. a) k = −2, b) k = 1.
3. a) f(1) < 0, f(2) > 0, b) 11 iteraciones, α ≈ 1, 324.
4. a) x
n
= x
n−1

x
3
n−1
+2x
2
n−1
+10x
n−1
−20
3x
2
n−1
+4x
n−1
+10
, b) α ≈ 1, 3688081, 4 iteraciones.
5. a) f(x) = x
3
−2, b) x
n
=
2
3
_
x
n−1
+
1
x
2
n−1
_
, c) 1,2599210.
6. y = x +
1
2
x
2
.
7. a) P
3
(x) =
5
6
x
3
−x, b) <
1
24
.
8. a) f
(n)
(0) = (−1)
n+1
(n −1)!, b) 1.000.
9. a) x = 0 punto de inflexi ´ on, x = −3 m´ aximo relativo, x = −1 as´ıntota vertical, y = x −2
as´ıntota oblicua, b) x = 0 punto de inflexi ´ on, x =
3
7
m´ aximo relativo, x = 1 m´ınimo relativo,
no hay as´ıntotas, c) x = 0 m´ınimo relativo, x = −1 as´ıntota vertical, y = 0 as´ıntota horizontal
por la izquierda.
10. x = 0 m´ınimo relativo, x = 1 punto de inflexi ´ on.
11. a) Valor m´ aximo: 1 (alcanzado en x = 0 y x = 1), valor m´ınimo:
3
5
(alcanzado en x =
1
2
),
b) Valor m´ aximo:
π
4
(alcanzado en x = 0), valor m´ınimo: 0 (alcanzado en x = 1).
12. (±

2
2
,
1
2
) est´ an a distancia m´ınima d =

3
2
, (±2, 4) est´ an a distancia m´ axima D = 13.
13. v = 50 km/h, coste = 45.250 pesetas.
Glosario
As´ıntota horizontal: se dice que la recta de ecuaci ´ on y = b es una as´ıntota horizontal de
la funci ´ on f(x) si lim
x→∞
f(x) = b.
As´ıntota oblicua: tiene ecuaci ´ ony = mx+n, donde m = lim
x→∞
f(x)
x
, n = lim
x→∞
(f(x)−mx).
As´ıntota vertical: establecemos que la recta de ecuaci ´ on x = a es una as´ıntota vertical de
la funci ´ on f(x) si lim
x→a
f(x) = ∞.
Comparaci´ on de ´ ordenes de magnitud de funciones: sean f(n), g(n) funciones tales
que:
lim
n→+∞
f(n) = lim
n→+∞
g(n) = +∞.
Decimos que f y g son del mismo orden de magnitud cuando lim
n→+∞
f(n)
g(n)
es diferente de 0
y de ∞. Entonces escribimos f(n) ≈ g(n) o bien O(f(n)) = O(g(n)).
Determinamos que f tiene orden de magnitud superior a g cuando lim
n→+∞
f(n)
g(n)
= +∞.
Entonces escribimos f(n) >> g(n) o bien O(f(n)) > O(g(n)).
Decimos que f tiene orden de magnitud inferior a g cuando lim
n→+∞
f(n)
g(n)
= 0. Entonces
escribimos f(n) << g(n) o bien O(f(n)) < O(g(n)).

© FUOC • P01/75005/00102 80 Profundizaci ´ on en las t´ ecnicas del c´ alculo
Extremo absoluto o global: punto donde una funci ´ on, definida en un conjunto dado,
alcanza el valor mayor (m´ aximo absoluto o global) y menor (m´ınimo absoluto o global) de
entre todos los del conjunto.
Extremo relativo o local: punto donde una funci ´ on alcanza su valor mayor (m´ aximo
relativo) o menor (m´ınimo relativo) con respecto a los puntos de un entorno.
F´ ormula de Stirling: lim
n→+∞
n!
e
−n
n
n

2πn
= 1.
Funci´ on derivable c´ oncava: f(x) es c´ oncava en un punto x = a cuando la curva y = f(x)
est´ a por encima de la recta tangente en un entorno del punto x = a. Si f

(a) > 0, f(x) es
c´ oncava en x = a.
Funci´ on derivable convexa: f(x) es convexa en un punto x = a cuando la curva y = f(x)
est´ a por debajo de la recta tangente en un entorno del punto x = a. Si f

(a) < 0, f(x) es
convexa en x = a.
Indeterminaciones potenciales: un l´ımite es indeterminado y la indeterminaci ´ on es de
tipo potencial cuando, a lo largo del proceso de c´ alculo, llegamos a una de las siguientes
expresiones:
1

, 0
0
, ∞
0
Indeterminaciones racionales: un l´ımite es indeterminado y la indeterminaci ´ on es de
tipo racional cuando, en el proceso de c´ alculo, llegamos a una de las siguientes expresiones:
0
0
,


, ∞−∞, 0 · ∞
M´ etodo de bisecci´ on: m´ etodode resoluci ´ onaproximada de ecuaciones basadoenel teorema
de Bolzano. Siempre converge en la soluci ´ on, pero lentamente.
M´ etodo de la secante: m´ etodo de resoluci ´ on aproximada de ecuaciones consistente en
aplicar de manera sucesiva la f ´ ormula iterativa:
x
n
= x
n−1

f(x
n−1
)(x
n−1
−x
n−2
)
f(x
n−1
) −f(x
n−2
)
.
M´ etodo de Newton: m´ etodo de resoluci ´ on aproximada de ecuaciones que consiste en la
aplicaci ´ on sucesiva de la f ´ ormula iterativa:
x
n+1
= x
n

f(x
n
)
f

(x
n
)
.
Polinomio de Taylor de grado n de f(x) en el punto x = a:
P
n,a
(x) = f(a) +
f

(a)
1!
(x −a) +
f

(a)
2!
(x −a)
2
+. . . +
f
n
(a)
n!
(x −a)
n
. . .
Punto de inflexi´ on: decimos que una funci ´ on f(x) tiene un punto de inflexi ´ on x = a
cuando pasa de ser c´ oncava a convexa, o viceversa. Si f

(a) = 0 y f

(a) = 0, entonces x = a
es un punto de inflexi ´ on de f(x).
Problema de optimizaci´ on: problema en el que se busca el valor o los valores de una
variable que maximizamos o minimizamos en una funci ´ on dada que se conoce como funci´ on
objetivo.
Regla de L’Hˆ opital: regla ´ util para resolver indeterminaciones cuando las funciones invo-
lucradas son derivables. Si tenemos las funciones f(x) y g(x), derivables en un entorno del
punto x
0
tal que lim
x→x
0
f(x) = 0 y lim
x→x
0
g(x) = 0, entonces:
Si existe lim
x→x
0
f

(x)
g

(x)
, entonces lim
x→x
0
f(x)
g(x)
=
f

(x)
g

(x)
.
Representaci´ on gr´ afica de funciones: si queremos realizar un esbozo de la gr´ afica de
una funci ´ on es aconsejable estudiar su dominio, las simetr´ıas, la periodicidad, los puntos de

© FUOC • P01/75005/00102 81 Profundizaci ´ on en las t´ ecnicas del c´ alculo
discontinuidad, las as´ıntotas, los puntos de corte con los ejes de coordenadas y los puntos
cr´ıticos (m´ aximos, m´ınimos y puntos de inflexi ´ on).
Residuo n-´ esimo de Lagrange de f(x) en el punto x = a:
P
n,a
(x) =
f
(n+1)
(ξ)
(n + 1)!
(x −a)
n+1
, ξ comprendido entre a y x.
Sumario
En un principio hemos clasificado y analizado las diferentes indeterminaciones surgidas en el
c´ alculo de l´ımites de funciones, para as´ı poder resolverlas. Del mismo modo, hemos presenta-
do la regla de L’Hˆ opital, ´ util para deshacer indeterminaciones que se presentan inicialmente
en el l´ımite de cocientes de funciones derivables. Y, por ´ ultimo, se ha comparado el orden
de magnitud de algunas de las funciones m´ as usuales en la expresi ´ on de la complejidad de
un algoritmo.
En el segundo apartado hemos podido ver la manera de encontrar las soluciones aproximadas
de ecuaciones que resultan m´ as complicadas que las polin´ omicas de primer y segundo grado.
El procedimiento consiste en determinar el n´ umero de soluciones, separarlas en intervalos
disjuntos y, despu´ es, buscar un valor aproximado de cada una de las soluciones, con una
precisi ´ on tan grande como se quiera.
A continuaci ´ on hemos pasado a ver c´ omo encontrar, dada una funci ´ on derivable en varias
ocasiones en un punto, el polinomio de grado fijado que mejor aproxima la funci ´ on alrededor
del punto. Tambi´ en se ha expuesto la forma de calcular este polinomio, llamado polinomio
de Taylor de la funci´ on en el punto. De este modo, hemos utilizado los polinomios de Taylor
para encontrar el valor aproximado de funciones no polin´ omicas y hemos presentado c´ omo
acotar el error cometido en la aproximaci ´ on, en funci ´ on del grado del polinomio utilizado.
En el cuarto apartado nos encontramos con un estudio detallado de las gr´ aficas de funciones:
crecimiento y decrecimiento, extremos relativos, concavidad y convexidad, as´ıntotas y sime-
tr´ıas.
Y, para acabar, se han expuesto las estrategias que debemos seguir ante una serie de problemas
de optimizaci ´ on global, teniendo en cuenta que la situaci ´ on es muy diferente dependiendo
de si la funci ´ on objetivo es continua o no lo es y, tambi´ en, de si es derivable o no.
Bibliografía
Etayo, J.; Colera, J.; Ruiz, A. (1981). Matem´ aticas. Manuales de orientaci´ on universitaria.
Madrid: Anaya.
Larson, R.E.; Hostetler, R.P.; Edwards, B.H. (1995). C´ alculo y geometr´ıa anal´ıtica. (vol.
1, 5a ed.) Santa Fe de Bogot´ a: McGraw-Hill Interamericana.